西湖大學醫學院郭天南團隊于3月25日在《Cell Research》發表的評述文章《Grow AI Virtual Cells: Three Data Pillars and Closed-Loop Learning》，如一顆投入生物醫學領域的石子，激起層層漣漪。

圖源：網絡截圖

論文提出 "三個數據支柱" 與 "閉環學習系統"，告訴我們，AIVC將如何從實驗室的“數字花瓶”演變為服務于真實人類的革命性工具。

1

數據、閉環與生命的數字重構

AIVC的核心目標是構建一個能夠動態模擬真實細胞行為的“數字孿生體”，而這一技術的底層邏輯則由郭天南團隊提出的“三大數據支柱”與“閉環主動學習系統”共同支撐。

三大數據支柱如同拼接生命系統的三維拼圖，會層層疊加，逐步還原出細胞的復雜性。

先驗知識是整個體系的“藍圖”，它整合數十年積累的生物學文獻、分子表達數據以及成像信息，為AIVC提供了堅實的基礎框架。就像一座知識的百科全書，癌癥相關信號通路數據庫、蛋白質互作網絡等海量信息被納入其中，為虛擬細胞的構建提供了理論支撐。

靜態結構則是細胞的“3D建模器”，通過冷凍電鏡、空間組學等先進技術，AIVC能夠精確還原細胞的納米級三維結構。它不僅呈現了細胞器的空間排布，還能解析分子間的相互作用網絡，可以將真實細胞的內部構造精確還原出來。就像給虛擬細胞量身定制一套立體模型，連線粒體膜上的蛋白質怎么排排站都能看清楚。

動態狀態則是AIVC的“實時監測系統”，借助高通量組學技術（如轉錄組學、蛋白質組學），它能夠捕捉細胞在不同生理或病理條件下的分子變化—當某種抗癌藥進入人體，虛擬細胞就會立刻顯示哪個靶點蛋白被激活了。這種實時監測能力讓虛擬細胞能夠動態反映真實細胞的行為特性，使其不僅是一個靜態的模型，而是一個能夠模擬真實細胞動態變化的“活體”。

通過閉環學習實現 AIVC 增長和進化的數據支柱

圖源：nature.com/articles/s41422-025-01101-y

在構建了虛擬細胞的“大骨架”之后，閉環主動學習系統則成為推動其動態優化的“引擎”。

傳統虛擬細胞模型依賴人工設計的微分方程，難以應對細胞行為的復雜性。而AIVC通過閉環主動學習系統，實現了“自我迭代”的能力。

系統能夠識別模型中的知識缺口，例如未知的蛋白質互作，自動生成虛擬實驗方案。結合機器人實驗平臺，快速完成基因編輯、藥物干預等操作，并采集數據反饋至模型。利用深度學習算法（如Transformer、卷積神經網絡），模型參數得以動態優化，使AIVC的響應模式逐步趨近真實細胞。

這一過程被郭天南戲稱為“元宇宙中的細胞養成游戲”。每一次循環都讓虛擬細胞更接近生物學真實，甚至可能發現實驗室中難以觀測的細胞特性。

總之，AIVC絕不僅僅是一個靜態的模型，更是一個動態的、不斷進化的系統，它在虛擬世界中模擬真實細胞的復雜行為，為生命科學研究和醫學應用開辟了全新的可能性。

2

從“數字花瓶”到“顛覆性工具”

目前，AIVC的研發遵循“從簡到繁”的基本策略，以降低技術風險并驗證可行性。

西湖大學研究團隊選擇了酵母（S. cerevisiae）作為首個AIVC模型，這是由于其基因組簡單（約6000個基因，相較于其他數以億計的基因組已是幼兒園級）、實驗數據豐富且具備真核細胞的基本特征（如細胞核、線粒體）。

這也是大多數研究團隊的策略。

通過整合酵母的擾動組學數據（如基因敲除后的蛋白質表達譜），團隊可快速驗證閉環系統的有效性，同時優化建模算法。

西湖大學計劃，在酵母模型成熟后，AIVC將轉向人類癌細胞系。這一階段的核心挑戰在于處理更高維度的數據（如單細胞轉錄組、空間蛋白質組）及復雜的調控網絡（如腫瘤微環境中的免疫交互）。

很困難，但一旦成功，AIVC就可模擬癌細胞對藥物的動態響應，加速靶向治療方案的開發。例如，虛擬乳腺癌細胞模型可預測不同患者對HER2抑制劑的敏感性，為個性化用藥提供預判依據。

要知道，傳統藥物篩選需耗費數年時間和數億美元，而AIVC可通過高通量仿真，快速預測化合物與靶點的結合效率及毒性。

甚至，長期來看，AIVC的框架還可擴展至細菌、植物乃至其他多細胞組織。例如，構建虛擬腸道菌群模型，研究益生菌與宿主免疫系統的互作；或模擬植物葉綠體的光反應機制，助力合成生物學設計高效光合系統...

除此之外，AIVC還可解碼復雜疾病，阿爾茨海默病、糖尿病等慢性病的機制至今仍困擾學界，AIVC就可通過整合患者特異性組學數據（如腦脊液蛋白質組），探索疾病模型。

由此衍生，結合患者基因組、蛋白質組數據，AIVC可生成“數字替身”，預測個體對治療方案的響應，在癌癥免疫治療中，模擬檢查點抑制劑與患者HLA分子的匹配度，避免無效治療導致的資源浪費與副作用風險，從“千人一方”走到“一人一策”。

3

全球智力集體攻堅

今年1月，在達沃斯世界經濟論壇的爐邊談話中，谷歌DeepMind首席執行官Demis Hassabis 表示：“我的最終夢想是做出一個虛擬細胞。”

他表示，首款AI設計藥物將于2025年底進入臨床試驗，而虛擬細胞的起點應當是類似酵母細胞這樣的簡單生物，且“虛擬細胞項目可能在五年內實現”。

與此同時，斯坦福大學正與基因泰克公司及陳-扎克伯格基金會合作，計劃開發人類虛擬細胞，以推動AI在生物醫學研究中的應用。

而在杭州西湖大學的實驗室里，郭天南團隊正通過數據支柱與深度學習算法，為虛擬酵母細胞構建納米級三維結構模型....這些分散在全球的智力火花，共同構成了 AIVCs 研發的燎原之勢。

這些相關領域的所有專家幾乎都表示過一個觀點，即AIVCs高度需求跨學科協作，這在斯坦福大學發表于《Cell》上的論文“How to build the virtual cell with artificial intelligence: Priorities and opportunities”中可見一斑 —— 該研究整合了計算機科學、分子生物學、藥理學等 8 個學科的頂尖學者。

"AIVCs 的研發需要全球科學界的集體智慧，就像人類基因組計劃一樣。"

而據不完全統計，全球已有超過 200 個科研團隊、多家生物醫藥企業投身 AIVCs 研發，其中包括陳 - 扎克伯格基金會（CZI）、禮來（Eli Lilly）等傳統巨頭，也有 Insilico Medicine、DeepMind Health 等新興力量。

以禮來（Eli Lilly）為例，僅 2024 年，其就投入了 5 億美元建立 AIVCs 研發平臺，并通過虛擬篩選發現了 3 個全新的糖尿病藥物靶點。

就在這研究日趨火熱之際，2025年4月，FDA宣布將逐步取消動物實驗，鼓勵采用AIVC等計算模型評估藥物安全性。一方面降低了研發成本，又減少了對嚙齒類動物的依賴，使科研視角更加完備；另一方面還回應了動物福利組織的倫理訴求。

監管、市場、科研于時代的經緯線上交匯，AIVCs這座方舟正在三股合力的托舉下，破開認知迷霧，駛向星辰大海。

寫在文末

未來十年，AIVC有望與類器官、器官芯片等技術融合，形成所謂“虛實結合”的研究體系。我們，正在從‘觀察生命’走向‘編程生命’。

* 文章內容僅供參考，不構成任何建議

since 2015.

來源/ 部分信息整理自網絡編輯/ RainForest出品/ 云上細胞團隊