細胞是生命的基本單位，對于理解健康、衰老和疾病至關(guān)重要，也是藥物開發(fā)和合成生物學(xué)的重要工具。然而，基于細胞的實驗資源消耗大且易變，這導(dǎo)致了生物醫(yī)學(xué)研究中的可重復(fù)性問題。
雖然首個碳基細胞是經(jīng)過數(shù)十億年的進化才出現(xiàn)的，但首個硅基細胞的開發(fā)如今為科學(xué)界帶來了變革性的機遇。大約在 2000 年提出了虛擬細胞（virtual cell）或數(shù)字細胞（digital cell）的概念，最初依賴傳統(tǒng)的低通量生化實驗來量化特定生物過程中所涉及物質(zhì)的時空變化。這些早期模型采用微分方程和隨機模擬來模擬特定的細胞過程。開創(chuàng)性的全細胞虛擬模型，例如針對支原體、大腸桿菌和釀酒酵母的模型，主要基于先驗知識。然而，它們?nèi)狈脑O(shè)計的匹配擾動組學(xué)數(shù)據(jù)和時空成像數(shù)據(jù)。盡管這些早期模型具有開創(chuàng)性意義，但它們在全面捕捉活細胞的動態(tài)特性和復(fù)雜性方面存在局限性，這凸顯了對更全面的數(shù)據(jù)整合和先進建模方法的需求。
高通量技術(shù)和人工智能（AI）的最新進展為更復(fù)雜的虛擬細胞模擬鋪平了道路。
2024 年 12 月，斯坦福大學(xué) Stephen Quake 教授等人在 Cell 期刊發(fā)文，提出了人工智能虛擬細胞（AIVC）的概念【1】，該概念將人工智能與多模態(tài)數(shù)據(jù)相結(jié)合，以創(chuàng)建細胞功能的綜合計算模型。這些人工智能虛擬細胞有望實現(xiàn)精確且可擴展的計算機模擬實驗，有可能通過高通量模擬在某些情況下補充甚至取代傳統(tǒng)實驗，從而徹底改變生物醫(yī)學(xué)研究。
盡管人工智能虛擬細胞（AIVC）前景廣闊，但仍有一些關(guān)鍵問題懸而未決。正如細胞培養(yǎng)基滋養(yǎng)生物細胞一樣，什么樣的“培養(yǎng)基”才是培育這些數(shù)字實體的理想之選？我們應(yīng)當(dāng)優(yōu)先對哪些細胞類型進行虛擬培養(yǎng)？
解決這些問題對于充分發(fā)揮人工智能虛擬細胞（AIVC）在藥物開發(fā)、疾病建模和基礎(chǔ)生物學(xué)研究中的潛力至關(guān)重要。在我們即將邁入細胞建模這一新時代之際，科學(xué)界應(yīng)當(dāng)攜手合作，為人工智能虛擬細胞（AIVC）的開發(fā)和驗證制定標(biāo)準(zhǔn)及最佳實踐。
2025 年 3 月 25 日，西湖大學(xué)郭天南研究員在 Cell Research 期刊發(fā)表了題為：Grow AI virtual cells: three data pillars and closed-loop learning 的社論。
該文章提出，人工智能虛擬細胞（AIVC）的演進和發(fā)展依賴于三個關(guān)鍵的數(shù)據(jù)支柱——先驗知識（priori knowledge）、靜態(tài)架構(gòu)（static architecture）和動態(tài)狀態(tài)（dynamic states），這些數(shù)據(jù)支柱與深度學(xué)習(xí)算法（deep learning algorithms）相結(jié)合，構(gòu)成了 AIVC 發(fā)展的基礎(chǔ)。
此示意圖展示了發(fā)展 AIVC 的三大關(guān)鍵支柱：先驗知識、靜態(tài)架構(gòu)和動態(tài)狀態(tài)。這些數(shù)據(jù)通過人工智能算法進行整合，以模擬細胞行為（例如大腸桿菌、酵母和各種細胞系等模式生物的模型），還展示了使用閉環(huán)主動學(xué)習(xí)系統(tǒng)的 AIVC 的發(fā)展演變。在這個先進的框架中，計算預(yù)測引導(dǎo)自動化實驗，尤其側(cè)重于擾動組學(xué)。
想象一下，在計算機中培育一個“虛擬細胞”，它能模擬真實細胞的生長、代謝甚至癌變過程，幫助科學(xué)家預(yù)測藥物效果、解析疾病機制。這個看似科幻的場景隨著人工智能（AI）的發(fā)展，正在變?yōu)楝F(xiàn)實。
傳統(tǒng)細胞實驗的困境：成本與不確定性的雙重挑戰(zhàn)
細胞是生命的基本單位，但傳統(tǒng)實驗面臨兩大難題：
資源消耗大：單次實驗需數(shù)周時間，且需要昂貴的試劑和精密儀器；
可重復(fù)性低：實驗受環(huán)境波動、操作差異影響，全球科研界正面臨“可重復(fù)性危機”。
AI虛擬細胞：邁向硅基生命之路
從 2000 年首個“虛擬細胞/數(shù)字細胞”概念到如今的人工智能虛擬細胞（AIVC），郭天南團隊提出了構(gòu)建細胞“數(shù)字孿生”的三大核心支柱：
1、先驗知識：海量文獻的“智能熔爐”
整合百年生物醫(yī)學(xué)研究成果，包括 2.4 億篇論文，以及 3D 分子結(jié)構(gòu)數(shù)據(jù)庫，這些人類已有的知識如同“細胞百科全書”，為 AI 提供基礎(chǔ)細胞生物學(xué)規(guī)律，就像 ChatGPT 學(xué)習(xí)了人類的所有文本，讓 AIVC 吸收所有細胞知識。
2、靜態(tài)架構(gòu)：納米級細胞“全景地圖”
融合冷凍電鏡、超分辨顯微鏡、空間組學(xué)技術(shù)，繪制細胞器、蛋白網(wǎng)絡(luò)的精確三維結(jié)構(gòu)，分辨率達 5-10 納米。
3、動態(tài)狀態(tài)：捕捉生命的每一幀變化
追蹤細胞發(fā)育、癌變等過程的分子動態(tài)；利用擾動技術(shù)（例如基因編輯、藥物刺激）生成大量數(shù)據(jù)，訓(xùn)練 AI 預(yù)測細胞行為。
技術(shù)突破：當(dāng)多組學(xué)遇上深度學(xué)習(xí)
郭天南團隊進一步提出了“閉環(huán)學(xué)習(xí)”框架：
1、數(shù)據(jù)融合：Transformer 模型整合文本、影像、蛋白質(zhì)組數(shù)據(jù)；
2、動態(tài)推演：Diffusion 模型模擬細胞狀態(tài)變遷，預(yù)測藥物干預(yù)效果；
3、自我進化：每次虛擬實驗結(jié)果反哺模型優(yōu)化，形成迭代升級。
未來應(yīng)用：從精準(zhǔn)醫(yī)療到合成生物學(xué)
1、藥物開發(fā)：虛擬篩選抗癌藥組合，縮短研發(fā)周期；
2、疾病解密：模擬阿爾茨海默病蛋白異常聚集過程；
3、細胞工廠：設(shè)計高效生產(chǎn)胰島素的人工細胞。
結(jié)論與展望
在現(xiàn)代生物醫(yī)學(xué)研究的數(shù)字培養(yǎng)皿中創(chuàng)建和培育人工智能虛擬細胞（AIVC）時，我們必須仔細考慮滋養(yǎng)其生長的“養(yǎng)分”。文章中提出的先驗知識、靜態(tài)架構(gòu)和動態(tài)狀態(tài)這三大數(shù)據(jù)支柱構(gòu)成了這些計算機模擬實體的必要“培養(yǎng)基”。其中，基于擾動的組學(xué)數(shù)據(jù)——轉(zhuǎn)錄組學(xué)、蛋白質(zhì)組學(xué)和代謝組學(xué)——成為關(guān)鍵的“生長因子”。
為了高效生成如此豐富的擾動數(shù)據(jù)，作者設(shè)想了閉環(huán)主動學(xué)習(xí)系統(tǒng)將成為下一個進化步驟。這些系統(tǒng)受自主化學(xué)實驗室的啟發(fā)，將無縫整合人工智能驅(qū)動的預(yù)測與機器人實驗。就像一位技藝嫻熟的園丁，它們將識別知識空白，設(shè)計有針對性的實驗，并不斷深化我們對細胞復(fù)雜性的理解。從靜態(tài)模型到適應(yīng)性、自我優(yōu)化的人工智能虛擬細胞的旅程，有望徹底改變藥物發(fā)現(xiàn)、疾病建模和基礎(chǔ)生物學(xué)研究。作者還提出了這一旅程中的低垂果實——創(chuàng)建并培育一個虛擬酵母細胞或許是一個可行的選擇。
當(dāng)我們站在這一令人興奮的前沿之際，科學(xué)界的協(xié)同努力對于充分發(fā)揮人工智能虛擬細胞的潛力以及推動計算機模擬生命科學(xué)的未來至關(guān)重要。
參考鏈接：
https://www.cell.com/cell/fulltext/S0092-8674(24)01332-1
https://www.nature.com/articles/s41422-025-01101-y
合作咨詢
肖女士
021-33392297
Kelly.Xiao@imsinoexpo.com
2006-2025 上海博華國際展覽有限公司版權(quán)所有（保留一切權(quán)利）
滬ICP備05034851號-57
