2025年3月25日，西湖大学医学院郭天南团队在 不朽情缘MG 发表了评述文章，题为《GrowAIVirtualCells: ThreeDataPillarsandClosed-LoopLearning》，探讨了人工智能虚拟细胞（AIVCs）的发展方向。AIVCs的核心理念是结合人工智能和多模态数据，建立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能够更全面地模拟细胞功能，具备高通量仿真能力，有时甚至可替代实验室实验。

文章讨论了AIVCs的构建方法与未来发展，提出了AIVCs构建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）在动态模拟中的重要性。研究进一步提出了闭环主动学习系统（Closed-Loop Active Learning Systems），结合AI预测与自动化实验，实现自适应优化，从而加速细胞建模与科学发现。为了确保AIVC概念的可行性，研究人员建议从较简单但信息丰富的细胞模型如酵母（Saccharomyces cerevisiae）入手，逐步扩展至更复杂的人类癌细胞系，以期在生物医学、药物开发及个性化医疗中取得广泛应用。

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、疾病及药物开发至关重要。然而，传统的细胞实验通常需要消耗大量资源且容易受到变异影响，导致可重复性问题。因此，研究者们提出了虚拟细胞（Virtual Cells）或数字细胞（Digital Cells）的概念，以降低实验成本提升研究的准确性与效率。早期的虚拟细胞模型主要依赖低通量的生化实验，并使用微分方程或随机模拟方法对特定细胞过程进行建模，但这些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和人工智能的发展，人工智能虚拟细胞（AIVCs）成为一种新的研究方向，结合了多模态数据与先进的计算模型，为生物医学研究提供了新的可能性。可以用“智能细胞培养游戏”来形象化理解AIVC：如同玩一款名为“元宇宙细胞培养师”的高级模拟游戏，你需要培养和优化各种虚拟细胞。三大数据支柱就像游戏中的核心模块：先验知识是游戏的“百科全书”，静态结构是细胞的“3D建模器”，而动态状态如同“实时监测系统”，让你看到细胞内各分子的变化。

在这个过程中，AIVC结合以上信息能够模拟真实细胞的行为。闭环主动学习系统像游戏中的“自动实验室”功能，自动识别虚拟细胞中的未知特性，并设计虚拟实验来探索这些领域。实验结果实时用于更新与改进虚拟细胞模型，使得智能细胞的培养可不断向真实细胞靠近，甚至揭示尚未在现实中发现的细胞特性。这一过程允许科学家在计算机中培育出各种“细胞盆栽”，用于生命科学的研究，而不需要实际的实验室与大量资源。

为了支持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算法为虚拟细胞构建提供基础。先验知识包含生物医学文献、分子表达数据及多尺度成像数据，涵盖细胞生物学的基本机制。静态结构则涉及细胞的形态学与分子组成，并能提供细胞的三维空间结构信息，但缺乏动态变化的表述。动态状态是构建“活”AIVC的关键，涉及生理过程及外部微扰带来的影响。随着高通量组学技术的发展，研究者们能够系统性地分析不同细胞状态下大量分子的变化，从而提高AIVC的准确性。

文章进一步指出，基于微扰的组学数据（如转录组学、蛋白质组学和代谢组学）被认为是推动AIVCs发展的关键，特别是微扰蛋白质组学数据具有重要意义。在AI的帮助下，AIVC能够更加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支持。此外，单细胞组学与空间组学的新技术也进一步增强了AIVC的动态模拟能力。总之，AIVC需依赖AI驱动的多模态数据整合，并结合深度学习技术来解析复杂数据，将推动系统生物学、个性化医学与药物研发的发展。

未来，AIVCs有望在药物开发、疾病建模以及基础生物学研究中发挥重要作用，科学界的协同合作将对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成为下一阶段的重点任务，以确保AIVCs能够真正发挥其在计算生物学与生物医学研究中的变革性潜力。不朽情缘MG将在这一领域持续努力，推动科技与生物医学结合的发展进程。