赋予模拟细胞话语权：演化用于细胞控制的提示到干预模型

引导生物系统趋向期望状态（如形态发生结果）仍是医学和合成生物学领域的一项根本性挑战，具有深远影响。虽然大语言模型（LLM）已使自然语言成为人工智能系统中可解释控制的接口，但将其用作引导生物或细胞动力学的媒介在很大程度上仍未被探索。在这项工作中，我们提出一个功能性流程，将自然语言提示转化为能够指导模拟细胞集体的空间向量场。我们的方法结合了一个大语言模型和一个可演化的神经控制器（提示到干预，即 P2I），通过演化策略进行优化，以在模拟的二维环境中生成诸如聚集或分散等行为。我们证明，即使在词汇受限和细胞模型简化的情况下，演化出的 P2I 网络也能成功地将细胞动力学与用户用简单语言定义的目标对齐。这项工作提供了从语言输入到模拟生物电式干预再到行为输出的完整闭环，为未来能够实现自然语言驱动的细胞控制系统奠定了基础。