「观测数据学相关，干预数据学因果」——数据军备赛已全面转向大规模扰动数据。
1 亿细胞 × 1100 药物 × 50 细胞系，CC0 开源、数月下载近 10 万次；正迈向 10 亿细胞专有数据集（单一合作伙伴模式）。
汇集超 3.5 亿细胞，含 Tahoe-100M 与 AI 策展的 scBaseCamp（2.3 亿细胞、21 物种、72 组织）。
联合 10x Genomics 与 Ultima 生产 10 亿细胞扰动数据；与 NVIDIA 合作 PB 级 GPU 加速；CZI 五年 5 亿美元承诺。
Xaira 自建扰动图谱：2560 万细胞、16 种生物背景的全基因组 CRISPRi Perturb-seq，X-Cell 模型的训练基座。
首个全基因组 CRISPRi Perturb-seq（>250 万细胞），K562/RPE1 数据成为扰动预测模型事实标准评测集。
Tahoe 2026-06 发布的约 200 万细胞表型 + 转录组联合数据集，配套 Rhaister 扰动响应模型。
Arc Institute 主办，对标 CASP。2025 首届：预测 H1 人胚胎干细胞 300 个 CRISPRi 扰动响应，指标 DES / PDS / MAE；114 国 1200+ 团队，计划每年举办。
衡量模型扰动知识推理能力的问答基准；CZI 推理模型 rbio1 达 F1 0.74–0.79，超越 SUMMER 等基线。
Arc 随 STATE 发布的生物学导向评估框架，强调以生物学家关心的指标（差异基因、通路）而非纯统计指标评判模型。
EMBL 团队的基准设计：任何扰动预测模型必须先证明优于「预测训练集均值」与简单可加线性模型——目前无模型在所有指标上稳定达标。
Microsoft Research 团队的严格零样本协议：Geneformer / scGPT 在聚类与批次校正上常不如高变基因 + scVI / Harmony 传统流程。
Arc CTO David Burke：扰动预测准确率约 75% 才能让生物学家免于湿实验验证；当前 STATE 约 40–60%——"阈值在接近但尚未到达"。