2025年3月25日，西湖大学医学院郭天南团队在 Cell Research 上发表了评述文章《GrowAI Virtual Cells: Three Data Pillars and Closed-Loop Learning》，探讨了人工智能虚拟细胞（AIVC）的未来发展方向。AIVC的核心理念是通过人工智能与多模态数据的整合，构建高精度和可扩展的虚拟细胞模型。这一新方法相比于传统虚拟细胞建模，更加全面地模拟细胞功能，并且具备高通量仿真能力，甚至在某些情况下可以替代实验室实验。

文章详细讨论了AI虚拟细胞（AIVC）的构建方法与发展方向，提出其核心依赖于三大数据支柱——先验知识、静态结构和动态状态。其中，高通量组学数据，尤其是微扰蛋白质组学数据，在动态模拟中扮演着关键角色。该研究还提出了闭环主动学习系统，通过结合AI的预测功能与自动化实验，能够实现自适应优化，加速细胞建模与科学发现。为了验证AIVC的可行性，研究人员建议从酵母（Saccharomyces cerevisiae）等较简单但信息丰富的细胞模型入手，逐步扩展到更复杂的人类癌细胞系，以促进AIVC在生物医学、药物开发和个性化医疗中的广泛应用。

背景介绍

在生物医学研究中，细胞是生命的基本单位，理解健康、衰老、疾病以及药物开发与合成生物学至关重要。然而，传统的细胞实验往往需要消耗大量资源，且实验结果易受变异影响，从而导致可重复性问题。因此，研究人员提出了虚拟细胞（Virtual Cells）或数字细胞（Digital Cells）的概念，以减少实验成本，提高研究的准确性和效率。早期的虚拟细胞模型主要依赖于低通量的生化实验，并使用微分方程或随机模拟方法对特定的细胞过程进行建模。然而，传统方法在数据整合与动态模拟方面存在局限，难以全面描述细胞的复杂性。

随着高通量生物技术与人工智能（AI）的发展，AIVC作为一种新兴研究方向，结合了多模态数据与先进计算模型，为生物医学研究提供了新的可能性。我们可以将AIVC比作一个“智能细胞培养游戏”，其中的三大数据支柱如同游戏的核心模块：先验知识是游戏的“百科全书”，静态结构是细胞的“3D建模器”，而动态状态则是细胞的“实时监测系统”。

三大数据支柱：AIVC的基础构建

为了更好地支持AIVC的发展，研究提出了三大数据支柱，作为AIVC的核心数据基础：先验知识、静态结构和动态状态。这些数据结合AI算法，为虚拟细胞的构建提供必要的基础。先验知识涵盖细胞生物学的基本机制，包括生物医学文献、分子表达数据和多尺度成像数据。尽管这些数据庞大且多样，但信息分散，难以直接用于构建完整的AIVC。

静态结构涉及细胞的形态学与分子组成，能够提供细胞的三维空间结构信息，但无法反映细胞的动态变化。而动态状态则涵盖生理过程及外部微扰带来的影响，尤其是微扰蛋白质组学数据，在预测细胞如何对外部干预作出反应方面尤为关键。

AIVC的进化：闭环主动学习系统

AIVC正在从静态模型向自适应进化系统发展，其中闭环主动学习系统是关键。文章指出，传统方法依赖被动数据积累，而闭环系统则结合AI预测与自动化实验，主动探索细胞动态状态，填补数据空白。这种系统能够自动识别知识缺口、设计实验、执行扰动，并实时优化模型，显著加速科学研究。这一方法标志着生物研究从被动观察向主动探索与自我优化的转变。

低门槛切入点：选择适合的细胞模型

AIVC的细胞模型选择至关重要，不同候选细胞各有优劣。研究人员建议从酵母入手，因其既简单又包含真核细胞的结构，数据相对丰富，且已在生物学和药物筛选领域广泛应用。通过发展虚拟酵母细胞（Virtual Yeast Cell），研究为未来的AIVC奠定基础。随着研究的深入，人类癌细胞系将成为重要目标，以推进AIVC在精准医学和药物开发中的应用。

总结

展望未来，AIVC在药物开发、疾病建模和基础生物学研究中有望发挥重要作用，而科学界的协同合作对于推动这一领域的发展至关重要。因此，建立Z6·尊龙凯时的标准与最佳实践，将成为保障AIVC在计算生物学和生物医学研究中实现变革性潜力的重要任务。