2025年3月25日，西湖大学医学院郭天南团队在 Cell Research 发表了题为 Grow AI Virtual Cells: Three Data Pillars and Closed-Loop Learning 的评述文章（editorial），探讨了人工智能虚拟细胞（AIVCs）的发展方向。
AIVCs的核心思想是通过人工智能和多模态数据整合，构建精确且可扩展的虚拟细胞模型。相比传统的虚拟细胞建模方法，AIVCs能够更全面地模拟细胞功能，并具有高通量仿真能力，甚至在某些情况下可以替代实验室实验。
图1 论文截图
图2 AIVC构建框架 详见：guomics.com/way
提纲挈领
文章探讨了AI虚拟细胞（AIVCs）的构建方法与发展方向，提出了AIVCs的核心依赖于三大数据支柱——先验知识、静态结构和动态状态，并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。
研究进一步提出了闭环主动学习系（Closed-Loop Active Learning Systems），结合AI预测与自动化实验，实现自适应优化，加速细胞建模与科学发现。为确保AIVC概念的可行性，研究人员建议从酵母（S. cerevisiae）等较简单但信息丰富的细胞模型入手，并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。
- 背景介绍 -
在生物医学研究中，细胞是生命的基本单位，对于理解健康、衰老、疾病以及药物开发和合成生物学至关重要。然而，传统的细胞实验通常需要消耗大量资源，并且实验结果易受变异影响，导致可重复性问题。因此，研究人员提出了虚拟细胞（Virtual Cells）或数字细胞（Digital Cells）的概念，以减少实验成本并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，这些方法在数据整合和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和人工智能（AI）的发展，人工智能虚拟细胞（AIVCs, AI Virtual Cells）成为一种新的研究方向，它结合了多模态数据和先进计算模型，为生物医学研究提供了新的可能性。
01
三大数据支柱：AIVCs的基础构建
为了更好地支持AIVCs的发展，研究提出了三大数据支柱（Three Data Pillars），作为AIVCs的核心数据基础：先验知识（a priori knowledge）、静态结构（static architecture）和动态状态（dynamic states）。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。尽管这些数据庞大且多样，但信息分散，难以直接用于构建完整的AIVC，因此只能作为基础框架。
静态结构是AIVC的第二个支柱，涉及细胞的形态学和分子组成，包括纳米尺度的分子建模、低温电子显微镜、空间组学等技术。这些数据能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。
为构建真正 “活” 的AIVC，动态状态是必不可少的，它涵盖生理过程（如衰老、发育、疾病）以及外部微扰（如基因编辑、药物刺激）带来的影响。随着高通量组学技术（如转录组学、蛋白质组学、代谢组学）的发展，现在可以系统性地分析大量分子在不同细胞状态下的变化，提高AIVC的准确性。
文章指出，基于微扰的组学数据（perturbation-based omics data），包括转录组学（transcriptomics）、蛋白质组学（proteomics）和代谢组学（metabolomics），被认为是推动AIVCs发展的关键因素。而在这些数据中，微扰蛋白质组学数据尤为关键。
通过AI整合微扰数据，AIVC可以更精准地预测细胞如何对外部干预作出反应，为药物开发和细胞建模提供更强的支持。新兴的单细胞组学和空间组学技术也进一步增强了AIVC的动态模拟能力。
同时，文章指出，AIVC需要依赖AI驱动的多模态数据整合，结合深度学习技术（如变换器、CNNs）来解析复杂数据，最终推动系统生物学、个性化医学和药物研发的发展，为细胞行为研究提供新的视角
图3 通过闭环学习促进AIVC生长和发展的数据支柱
02
AIVCs的进化：闭环主动学习系统
AIVCs正在从静态、数据驱动的模型向自适应进化系统发展，其中闭环主动学习系统（Closed-Loop Active Learning Systems）是关键。
文章指出，传统方法依赖被动数据积累，而闭环系统结合AI预测与机器人实验，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。
该系统的核心优势在于高效处理细胞对不同扰动的复杂响应。相比传统方法，AI可以优先选择最具影响力的实验（如CRISPR基因敲除、小分子药物处理等），最大化数据价值。例如，AI可能发现某些未知的磷酸化事件，并指导机器人实验以深入解析信号传导机制。
随着机器人实验和多模态数据整合的提升，AIVCs未来或可自主解析细胞生物学难题，如特定环境下的蛋白功能。这一方法标志着生物研究从被动观察向主动探索和自我优化的转变。
03
低门槛切入点：选择适合的细胞模型
AIVC的首个细胞模型选择至关重要，不同候选细胞各有优劣。文章指出，支原体（mycoplasma）较简化但通用性受限，大肠杆菌（Escherichia coli）数据丰富但缺乏真核复杂性，酵母（S. cerevisiae）兼具基因可操作性和真核特性，而人类癌细胞系在医学研究中数据广泛且与疾病相关。然而，这些模型在动态状态数据（尤其是扰动蛋白质组学）方面仍存在空白。
因此，研究人员建议从酵母入手——因为它既简单又包含真核细胞结构，数据相对丰富，并已在生物学和药物筛选领域广泛应用。研究人员把虚拟酵母细胞（Virtual Yeast Cell）作为AIVCs的入门方向，为后续研究奠定基础。
接着，人类癌细胞系则是后续重要目标，可推动AIVC在精准医学和药物开发中的应用。也就是说，先从简单模型入手，有助于优化AIVC的数据需求、建模策略和评估框架，为未来扩展到更复杂细胞系统奠定基础。
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，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AIVCs的标准和最佳实践，将成为该领域下一阶段的重要任务，以确保AIVCs能够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。
延伸阅读
1月12日，西湖大学郭天南团队，联合深势科技 / 北京科学智能研究院温翰团队，在bioRxiv在线发表了预印本文章 A perturbation proteomics-based foundation model for virtual cell construction。
研究建立了一个名为ProteinTalks的基础模型，通过整合大规模动态微扰蛋白质组数据和药物信息，可准确预测药物反应、协同效应和挖掘耐药分子机制，在精准医学领域具有广泛应用潜力。
具体来说，研究人员通过使用63种FDA批准的药物和其他抗癌化合物，针对18种乳腺癌细胞系进行药物处理（perturbation），产生了相应的蛋白质组学微扰数据集，并以此为基础构建了一个动态的蛋白质网络模型ProteinTalks。
这是第一次AI赋能的微扰蛋白质组学建立肿瘤细胞AIVC动态分子网络的试点研究。西湖大学医学院的研究人员表示：未来将探索建立更完善的AIVC，应用于药物研发、合成生物学、系统生物学等领域。
