Giving Simulated Cells a Voice: Evolving Prompt-to-Intervention Models for Cellular Control

要約

生物システムを形態形成的な結果のような望ましい状態に導くことは、医学や合成生物学に広範な影響を及ぼす基本的な課題である。大規模言語モデル(LLM)は、AIシステムにおいて解釈可能な制御のためのインターフェースとしての自然言語を可能にしてきたが、生物学的あるいは細胞ダイナミクスの操縦のためのメディエーターとしての利用は、ほとんど未解明のままである。 本研究では、自然言語プロンプトを空間ベクトル場に変換し、シミュレーションされた細胞集団に指示を与える機能的パイプラインを紹介する。我々のアプローチは、大規模な言語モデルと進化可能なニューラルコントローラー（Prompt-to-Intervention：P2I）を組み合わせたもので、進化戦略によって最適化され、シミュレートされた2次元環境においてクラスタリングや散乱などの行動を生成する。 我々は、制約された語彙と単純化された細胞モデルであっても、進化したP2Iネットワークが、平易な言語で表現されたユーザー定義の目標に細胞のダイナミクスをうまく合わせることができることを実証する。この研究は、言語入力からシミュレーションされた生体電気的介入、そして行動出力までの完全なループを提供し、自然言語駆動型の細胞制御を可能にする将来のシステムの基盤を提供する。

要約(オリジナル)

Guiding biological systems toward desired states, such as morphogenetic outcomes, remains a fundamental challenge with far-reaching implications for medicine and synthetic biology. While large language models (LLMs) have enabled natural language as an interface for interpretable control in AI systems, their use as mediators for steering biological or cellular dynamics remains largely unexplored. In this work, we present a functional pipeline that translates natural language prompts into spatial vector fields capable of directing simulated cellular collectives. Our approach combines a large language model with an evolvable neural controller (Prompt-to-Intervention, or P2I), optimized via evolutionary strategies to generate behaviors such as clustering or scattering in a simulated 2D environment. We demonstrate that even with constrained vocabulary and simplified cell models, evolved P2I networks can successfully align cellular dynamics with user-defined goals expressed in plain language. This work offers a complete loop from language input to simulated bioelectric-like intervention to behavioral output, providing a foundation for future systems capable of natural language-driven cellular control.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL