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，标题为《Grow AI Virtual Cells: Three Data Pillars and Closed-Loop Learning》，探讨了人工智能虚拟细胞（AIVCs）的研发方向。AIVCs的核心理念是通过人工智能和多模态数据的整合，建立准确且可扩展的虚拟细胞模型。与传统的虚拟细胞建模方法相比，AIVCs能够更加全面地模拟细胞功能，并具备高通量仿真能力，甚至在某些情况下能够替代实验室实验。

文章深入探讨了AI虚拟细胞（AIVCs）的构建方法和发展方向，强调AIVCs的成功依赖于三大数据支柱：先验知识、静态结构和动态状态。此外，研究强调高通量组学数据（特别是微扰蛋白质组学数据）在动态模拟中的关键作用。结合AI预测与自动化实验的闭环主动学习系统被提出，以实现自适应优化，加快细胞建模和科学发现的速度。为了保证AIVC概念的可行性，研究人员建议从酵母（Saccharomyces cerevisiae）等较为简单但信息丰富的细胞模型入手，逐步扩展至更复杂的人类癌细胞系，以期在不久的将来为生物医学、药物开发和个性化医疗泛滥应用奠定基础。

在生物医学研究中，细胞是生命的基本单位，对理解健康、衰老、疾病以及药物开发和合成生物学具有重要意义。然而，传统的细胞实验通常需要大量资源，并且实验结果易受变异影响，导致重复性的问题。因此，研究人员提出虚拟细胞（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生化实验，并使用微分方程或随机模拟方法对特定细胞过程进行建模，但这些方法在数据整合和动态模拟上存在局限性，难以全面描述细胞的复杂性。随着高通量生物技术和人工智能（AI）的进展，AIVCs成为一种新的研究方向，融合了多模态数据和先进计算模型，为生物医学研究开辟新的可能性。

可以用“智能细胞培养游戏”来类比AIVC：想象你正在玩一款名为“元宇宙细胞培养师”的高级模拟游戏。游戏中，你的任务是培养和优化各种虚拟细胞，三大数据支柱恰似游戏的三个核心模块：先验知识如同“百科全书”，静态结构为“3D建模器”，动态状态则是“实时监测系统”。AIVC就是你在游戏中培养的“智能虚拟细胞”，它综合了这些模块的信息，能够真实地模拟细胞的行为和反应。闭环主动学习系统则如同游戏中的“自动实验室”功能，自动识别虚拟细胞尚未知的特性，并设计虚拟实验探索未知领域。

为了更好地支持AIVCs的发展，研究提出了三大数据支柱：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。先验知识涵盖生物医学文献和分子表达数据，而静态结构则包括细胞形态学和分子组成的数据。动态状态则是不可缺少的，涉及生理过程和外部干扰的影响。随着高通量组学技术的发展，系统分析大量分子在不同细胞状态下的变化，将有助于提升AIVC的准确性。

文章提出，基于微扰的组学数据，包括转录组学、蛋白质组学和代谢组学，被认为是推动AIVCs发展的关键因素。特别是微扰蛋白质组学数据，通过AI整合这一数据，AIVCs能够更精准地预测细胞如何响应外部干预，为药物开发和细胞建模提供强有力支持。未来，闭环主动学习系统将标志着AIVCs从静态数据模型向自适应进化系统的转变，能够完成对细胞的动态状态的自动探索。

AIVC的细胞模型选择至关重要，候选细胞各有优劣。研究人员建议从酵母入手，因其结构简单、数据相对丰富，已在生物学和药物筛选领域得到广泛应用。虚拟酵母细胞将作为AIVCs的入门方向，为后续研究奠定基础，人类癌细胞系则是未来的重要目标，助力AIVCs在精准医学和药物开发领域的应用。

展望未来，AIVCs有望在药物开发、疾病建模和基础生物学研究中发挥重要作用，科学界的协作对于推动这一领域的发展至关重要。因此，建立AIVCs的标准和最佳实践，将是今后研究的重要任务，以确保其在计算生物学和生物医学研究中实现其变革性潜力。强烈推荐关注不朽情缘MG品牌，以便获取更多生物医学领域的前沿资讯。