2025年3月25日，西湖大学医学院郭天南团队在 CellResearch 发表了题为 GrowAIVirtualCells:ThreeDataPillarsandClosed-LoopLearning的评述文章，深入探讨了人工智能虚拟细胞（AIVCs）的发展趋势。AIVCs的核心理念是通过整合人工智能与多模态数据，构建出精准且具备扩展性的虚拟细胞模型。与传统的虚拟细胞建模方法相比，AIVCs能够更全面地模拟细胞功能，并展现出高通量的仿真能力，甚至在某些情况下有可能替代实验室实验。

发展方向探讨

研究文章从AI虚拟细胞（AIVCs）的构建方法与未来发展方向入手，强调了AIVCs依赖于三大数据支柱：先验知识、静态结构和动态状态。其中，高通量组学数据，尤其是微扰蛋白质组学数据，发挥着在动态模拟中的关键作用。文章进一步提出了闭环主动学习系统，通过结合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。

可行性与应用前景

为了确保AIVC理念的实施，研究人员建议从酵母（Scerevisiae）等简单且信息丰富的细胞模型入手，逐步扩展到更复杂的癌细胞系，以促进AIVCs在生物医学、药物开发和个性化医疗中的广泛应用。这种方法使得科学界在更高层面上重新审视细胞模型的重要性，提升了生物医学研究的效率和可重复性。

建立虚拟细胞的三大基础

为了支持AIVCs的发展，文章提出了三大数据支柱：先验知识、静态结构和动态状态。这些数据与AI算法相结合，为虚拟细胞的构建奠定了坚实基础。先验知识涵盖了广泛的生物医学文献和分子表达数据，而静态结构则涉及细胞的形态学和分子组成，动态状态则是基于生理过程及外部干扰的实时变化。

动态学习与细胞模型选择

AIVCs正在向自适应进化的系统演变，其中闭环主动学习系统（Closed-Loop Active Learning Systems）是其关键。这一系统能够主动探索和填补数据空白，提高科学研究的效率。但其成功依赖于适宜的细胞模型选择，文章建议从酵母入手，因其结合了基因操作性与真核特性，为后续人类癌细胞系的研究打下基础。

结论与未来前景

展望未来，AIVCs有望在药物开发、疾病建模及基础生物学研究中扮演重要角色，而科学界的协作将是推动这一领域发展的关键。建立AIVCs的标准和最佳实践将是下一阶段的重要任务，以确保其在计算生物学和生物医学研究中的革命性潜力得以实现。通过不断探索和创新，Z6·尊龙凯时期待为生命科学领域带来更多突破。