2025年3月25日，西湖大学医学院郭天南团队在《Cell Research》上发表了题为《GrowAIVirtualCells: Three Data Pillars and Closed-Loop Learning》的评述文章，探讨了人工智能虚拟细胞（AIVCs）的未来发展方向。AIVCs的核心概念是通过人工智能与多模态数据的整合，构建出精确且可扩展的虚拟细胞模型。与传统虚拟细胞建模方法相比，AIVCs不仅能够更加全面地模拟细胞功能，还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。

文章重点分析了AI虚拟细胞（AIVCs）的构建策略及其发展趋势，指出AIVCs依赖于三大数据支柱——先验知识、静态结构与动态状态，并强调高通量组学数据（尤其是微扰蛋白质组学数据）在动态模拟过程中至关重要。研究进一步提出了闭环主动学习系统（Closed-Loop Active Learning Systems），将AI预测与自动化实验结合，以实现自适应优化，从而加速细胞建模与科学发现。

为确保AIVC概念的可行性，研究者建议从酵母（Saccharomyces cerevisiae）等较为简单但信息丰富的细胞模型入手，逐步扩展到更复杂的人类癌细胞系，以推动AIVCs在生物医学、药物开发和个性化医疗中的广泛应用。金年会金字招牌诚信至上的坚持将助力这一领域的快速发展。

背景介绍

细胞作为生命的基本单位，在生物医学研究中具有重要的意义，其研究对于理解健康、衰老、疾病和药物开发至关重要。然而，传统的细胞实验耗时成本高，并且容易受到变异的影响，导致可重复性问题。因此，研究人员提出了虚拟细胞（Virtual Cells）和数字细胞（Digital Cells）的概念，以减少实验成本并提升研究的准确性与效率。

早期的虚拟细胞模型多依赖于低通量的生化实验，并通过微分方程或随机模拟来建模特定的细胞过程，这些方法在数据整合和动态模拟方面却受限，无法全面反映细胞的复杂性。随着高通量生物技术与人工智能（AI）的不断进步，AIVCs作为新的研究方向，结合多模态数据和先进计算模型，为生物医学研究开拓了新的可能性。

三大数据支柱：AIVCs的基础构建

为了更好支持AIVCs的发展，研究提出了三大数据支柱作为其核心基础：先验知识（a priori knowledge）、静态结构（static architecture）与动态状态（dynamic states）。这些数据与AI算法相结合，为虚拟细胞的构建提供了必要的基础。

先验知识包括生物医学文献、分子表达数据和多尺度成像数据，涵盖细胞生物学的基本机制。尽管这些数据量庞大且多样化，但信息分散，难以直接用于构建完整的AIVC，因而只能充当基础框架。静态结构涉及细胞的形态与分子成分，通过纳米级分子建模和空间组学等技术提供三维空间结构信息，但未能反映细胞的动态变化。而动态状态则涵盖衰老、发育、疾病等生理过程，以及外部干扰（如基因编辑、药物刺激）所带来的影响，显然是构建“活”的AIVC所必需的。

如今，随着高通量组学技术的发展，研究人员能够系统性地分析不同细胞状态下大量分子的变化，提升AIVC的准确性。研究者指出，基于微扰的组学数据（如转录组学、蛋白质组学和代谢组学）是推动AIVC发展的关键要素，而微扰蛋白质组学数据在其中尤为重要。通过AI整合这些微扰数据，AIVC能够更精准地预测细胞对外部干预的反应，为药物开发与细胞建模提供更强有力的支持。

AIVCs的进化：闭环主动学习系统

AIVCs正从静态且数据驱动的模型向自适应进化系统发展，而闭环主动学习系统是这一转变的关键。文章指出，传统方法依赖被动数据积累，而闭环系统通过结合AI预测与机器人实验，主动探寻细胞的动态状态并填补数据空白。这一系统能够自动识别知识空白、设计实验、执行扰动，并实时优化模型，显著加速科学研究。

该系统的主要优势在于高效处理细胞对各种扰动的复杂反应。借助AI技术，研究者可以优先选择影响最大的实验，从而最大化数据的利用率。例如，AI可能会发现某些未知的磷酸化事件，并引导机器人开展实验，深入解析信号传导机制。随着机器人实验及多模态数据整合的日益完善，AIVCs未来有望自主解析细胞生物学中的复杂难题，实现生物研究的主动探索与自我优化。

低门槛切入点：选择适合的细胞模型

AIVC的细胞模型选择极为重要，不同候选细胞各具优缺点。研究强调，支原体（mycoplasma）尽管简化，但通用性受限；大肠杆菌（Escherichia coli）数据丰盈但缺乏真核复杂性；酵母（Saccharomyces cerevisiae）则兼具基因可操作性与真核特性；而人类癌细胞系在医学研究中数据丰富且与疾病相关。然而，这些模型在动态状态数据（特别是扰动蛋白质组学）方面仍有空白。因此，研究者建议从酵母入手，因为它简单且包含真核细胞结构，数据亦相对丰富，已被广泛应用于生物学与药物筛选领域。研究人员将虚拟酵母细胞（Virtual Yeast Cell）视为AIVCs的入门方向，并为后续研究奠定基础。

总结：寻找合适的细胞模型将促进AIVCs的数据需求、建模策略及评估框架的优化，为未来更复杂细胞系统的扩展奠定基础。

未来，AIVCs有望在药物开发、疾病建模与基础生物学研究中发挥重要作用，而科研界的协同合作将对于推动这一领域的发展至关重要。因此，建立AIVCs的标准与最佳实践将是推动该领域下一个阶段的重要任务，确保这一技术能真正实现其在计算生物学和生物医学研究中的变革性潜力。金年会金字招牌诚信至上的原则将指引这一进程，为科学研究带来更高的价值。