細(xì)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(xì)胞的實(shí)驗(yàn)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(gè)碳基細(xì)胞是經(jīng)過數(shù)十億年的進(jìn)化才出現(xiàn)的，但首個(gè)硅基細(xì)胞的開發(fā)如今為科學(xué)界帶來了變革性的機(jī)遇。大約在 2000 年提出了虛擬細(xì)胞（ virtual cell）或數(shù)字細(xì)胞（ digital cell）的概念，最初依賴傳統(tǒng)的低通量生化實(shí)驗(yàn)來量化特定生物過程中所涉及物質(zhì)的時(shí)空變化。這些早期模型采用微分方程和隨機(jī)模擬來模擬特定的細(xì)胞過程。開創(chuàng)性的全細(xì)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(yàn)知識(shí)。然而，它們?nèi)狈脑O(shè)計(jì)的匹配擾動(dòng)組學(xué)數(shù)據(jù)和時(shí)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(xì)胞的動(dòng)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(jìn)建模方法的需求。

高通量技術(shù)和人工智能（AI）的最新進(jìn)展為更復(fù)雜的虛擬細(xì)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(xì)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(xì)胞功能的綜合計(jì)算模型。這些人工智能虛擬細(xì)胞有望實(shí)現(xiàn)精確且可擴(kuò)展的計(jì)算機(jī)模擬實(shí)驗(yàn)，有可能通過高通量模擬在某些情況下補(bǔ)充甚至取代傳統(tǒng)實(shí)驗(yàn)，從而徹底改變生物醫(yī)學(xué)研究。

盡管人工智能虛擬細(xì)胞（AIVC）前景廣闊，但仍有一些關(guān)鍵問題懸而未決。正如細(xì)胞培養(yǎng)基滋養(yǎng)生物細(xì)胞一樣，什么樣的“培養(yǎng)基”才是培育這些數(shù)字實(shí)體的理想之選？我們應(yīng)當(dāng)優(yōu)先對哪些細(xì)胞類型進(jìn)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(xì)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(xì)胞建模這一新時(shí)代之際，科學(xué)界應(yīng)當(dāng)攜手合作，為人工智能虛擬細(xì)胞（AIVC）的開發(fā)和驗(yàn)證制定標(biāo)準(zhǔn)及最佳實(shí)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(xì)胞（AIVC） 的演進(jìn)和發(fā)展依賴于三個(gè)關(guān)鍵的數(shù)據(jù)支柱—— 先驗(yàn)知識(shí)（ priori knowledge）、靜態(tài)架構(gòu)（ static architecture）和動(dòng)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(yàn)知識(shí)、靜態(tài)架構(gòu)和動(dòng)態(tài)狀態(tài)。這些數(shù)據(jù)通過人工智能算法進(jìn)行整合，以模擬細(xì)胞行為（例如大腸桿菌、酵母和各種細(xì)胞系等模式生物的模型），還展示了使用閉環(huán)主動(dòng)學(xué)習(xí)系統(tǒng)的 AIVC 的發(fā)展演變。在這個(gè)先進(jìn)的框架中，計(jì)算預(yù)測引導(dǎo)自動(dòng)化實(shí)驗(yàn)，尤其側(cè)重于擾動(dòng)組學(xué)。

想象一下，在計(jì)算機(jī)中培育一個(gè)“虛擬細(xì)胞”，它能模擬真實(shí)細(xì)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(jī)制。這個(gè)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(shí)。

傳統(tǒng)細(xì)胞實(shí)驗(yàn)的困境：成本與不確定性的雙重挑戰(zhàn)

細(xì)胞是生命的基本單位，但傳統(tǒng)實(shí)驗(yàn)面臨兩大難題：

資源消耗大：單次實(shí)驗(yàn)需數(shù)周時(shí)間，且需要昂貴的試劑和精密儀器；

可重復(fù)性低：實(shí)驗(yàn)受環(huán)境波動(dòng)、操作差異影響，全球科研界正面臨“可重復(fù)性危機(jī)”。

AI虛擬細(xì)胞：邁向硅基生命之路

從 2000 年首個(gè)“虛擬細(xì)胞/數(shù)字細(xì)胞”概念到如今的人工智能虛擬細(xì)胞（AIVC），郭天南團(tuán)隊(duì)提出了構(gòu)建細(xì)胞“數(shù)字孿生”的三大核心支柱：

1、先驗(yàn)知識(shí)：海量文獻(xiàn)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(shí)如同“細(xì)胞百科全書”，為 AI 提供基礎(chǔ)細(xì)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(xì)胞知識(shí)。

2、靜態(tài)架構(gòu)：納米級(jí)細(xì)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(xì)胞器、蛋白網(wǎng)絡(luò)的精確三維結(jié)構(gòu)，分辨率達(dá) 5-10 納米。

3、動(dòng)態(tài)狀態(tài)：捕捉生命的每一幀變化

追蹤細(xì)胞發(fā)育、癌變等過程的分子動(dòng)態(tài)；利用擾動(dòng)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(xì)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(tuán)隊(duì)進(jìn)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(dòng)態(tài)推演：Diffusion 模型模擬細(xì)胞狀態(tài)變遷，預(yù)測藥物干預(yù)效果；

3、自我進(jìn)化：每次虛擬實(shí)驗(yàn)結(jié)果反哺模型優(yōu)化，形成迭代升級(jí)。

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(xì)胞工廠：設(shè)計(jì)高效生產(chǎn)胰島素的人工細(xì)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(xì)胞（AIVC）時(shí)，我們必須仔細(xì)考慮滋養(yǎng)其生長的“養(yǎng)分”。文章中提出的先驗(yàn)知識(shí)、靜態(tài)架構(gòu)和動(dòng)態(tài)狀態(tài)這三大數(shù)據(jù)支柱構(gòu)成了這些計(jì)算機(jī)模擬實(shí)體的必要“培養(yǎng)基”。其中，基于擾動(dòng)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(dòng)數(shù)據(jù)，作者設(shè)想了閉環(huán)主動(dòng)學(xué)習(xí)系統(tǒng)將成為下一個(gè)進(jìn)化步驟。這些系統(tǒng)受自主化學(xué)實(shí)驗(yàn)室的啟發(fā)，將無縫整合人工智能驅(qū)動(dòng)的預(yù)測與機(jī)器人實(shí)驗(yàn)。就像一位技藝嫻熟的園丁，它們將識(shí)別知識(shí)空白，設(shè)計(jì)有針對性的實(shí)驗(yàn)，并不斷深化我們對細(xì)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(xì)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(shí)——?jiǎng)?chuàng)建并培育一個(gè)虛擬酵母細(xì)胞或許是一個(gè)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(xì)胞的潛力以及推動(dòng)計(jì)算機(jī)模擬生命科學(xué)的未來至關(guān)重要。

https://www.cell.com/cell/fulltext/S0092-8674(24)01332-1

https://www.nature.com/articles/s41422-025-01101-y

來源：生物世界 編輯：王多魚

全國衛(wèi)生產(chǎn)業(yè)企業(yè)管理協(xié)會(huì)轉(zhuǎn)化醫(yī)學(xué)產(chǎn)業(yè)分會(huì)（以下簡稱分會(huì)）是全國衛(wèi)生產(chǎn)業(yè)企業(yè)管理協(xié)會(huì)（以下簡稱總會(huì)）的分支機(jī)構(gòu)。全國衛(wèi)生產(chǎn)業(yè)企業(yè)管理協(xié)會(huì)是由原國家衛(wèi)生部申報(bào)，國家民政部登記批準(zhǔn)，1992年10月成立。由從事衛(wèi)生健康企事業(yè)單位和科研、管理等人員自愿結(jié)成的全國性、行業(yè)性、非營利性，具有獨(dú)立法人資格的國家一級(jí)社會(huì)團(tuán)體。登記管理機(jī)關(guān)是國家民政部，黨建領(lǐng)導(dǎo)機(jī)關(guān)是中央和國家機(jī)關(guān)工作委員會(huì)，業(yè)務(wù)指導(dǎo)單位是國家衛(wèi)生健康委員會(huì)。協(xié)會(huì)宗旨：堅(jiān)持“護(hù)佑健康、發(fā)展產(chǎn)業(yè)、誠信創(chuàng)新、服務(wù)社會(huì)”，推進(jìn)衛(wèi)生健康事業(yè)、產(chǎn)業(yè)企業(yè)發(fā)展，為國家經(jīng)濟(jì)建設(shè)和人民健康服務(wù)。CCTMIS（全國衛(wèi)生產(chǎn)業(yè)企業(yè)管理協(xié)會(huì)轉(zhuǎn)化醫(yī)學(xué)產(chǎn)業(yè)分會(huì)）致力打造一個(gè)“產(chǎn)學(xué)研醫(yī)、協(xié)同創(chuàng)新”的平臺(tái)，目前協(xié)會(huì)有超過4000個(gè)會(huì)員，其中超過半數(shù)為臨床專家型醫(yī)生！