虚拟细胞：AI破解生命奥秘，重塑生物医学未来！

计算机几乎可以模拟从家庭琐事到星际文明的一切，但模拟生命的基本单元——细胞——却远比想象中复杂。6月2日，Nature发文指出，每个细胞都是一个由多种生物分子构成的复杂生态系统，它们以尚未完全明了的方式相互作用并响应外界信号。然而，在这纷繁复杂的局面中，依然存在着某种秩序。

斯坦福大学生物工程师艾玛·伦德伯格指出：“细胞是一个复杂的系统，同时也是一个高度稳健且富有韧性的系统，但它也具有自身的架构。”近年来，研究人员开始对这一架构进行逆向工程，将海量分子数据转化为“虚拟细胞”——能够模拟细胞在静息状态及对外部刺激响应的模型。Arc研究所的尤素夫·鲁哈尼表示：“我们必须将虚拟细胞视为加速假设验证过程的手段。”

然而，距离真正功能完备的虚拟细胞仍有差距。现有模型能捕捉细胞的静态状态，但在准确预测动态变化方面面临挑战。AI革命极大地推动了这一领域，但科学家数十年来一直在努力构建计算细胞模型。多伦多大学的王博回忆道：“早在二十多年前，我们就有了‘虚拟细胞1.0’，当时人们试图用微分方程来描述系统生物学。”
这类传统模型建立在可测量的生物化学原理之上，通过串联描述代谢、信号传递等功能的方程来实现。例如，伊利诺伊大学团队在一种经过改造的支原体细菌中实现了对细胞分裂的逼真模拟。但数学模型不可避免地受到人类认知的局限。

这正是人工智能大显身手的时刻。许多研究尝试借助深度学习“基础模型”，让算法从海量未标注的实验数据中识别潜在规律。鲁哈尼将之与ChatGPT类比：“你可以在更广泛的细胞与生物背景下构建更具通用性的表征。”理论上，一个生物基础模型能够预测细胞对训练集中未涵盖条件的响应。
目前，单细胞基因表达数据是训练这类模型的首选方式。Roohani团队开发的scBaseCount数据库已收集约5亿个细胞的数据。然而，仅凭静态特征无法构建完整表征。虚拟细胞还必须学习不同扰动如何影响细胞环境，这需要系统性地敲除基因或让细胞暴露于多种药物的实验数据。

理论上，由此生成的模型可以帮助推断驱动肿瘤生长的遗传异常，或定位能够稳定病变细胞代谢问题的药物类别。但预测细胞扰动的影响仍然充满挑战。2025年的“虚拟细胞挑战赛”中，所有纯人工智能模型均未能胜过融合传统统计方法的技术。传统性能指标往往难以捕捉微小但具生物学意义的差异，而单细胞RNA测序数据本身存在噪声。
尽管如此，新开发的工具如Systema和State模型已能更精准地识别扰动特异性的基因表达变化，预测准确率从传统的7%提升至约三分之一。这一领域正在加速前进，朝着真正模拟生命基本单元的目标不断突破。
#热门微博# #科学新闻# #人工智能# #哈勃观察员[超话]#