“3+1”方案把細胞實驗搬到AI虛擬世界

◎洪恆飛 本報記者 江 耘

試想你在體驗一款模擬細胞培養的遊戲，可以藉助遊戲中的“百科全書”“3D建模器”“即時監測系統”3個核心模塊和一間“自動實驗室”培養和優化各種虛擬細胞。這樣的設計架構，能否應用於現實的科研工作？

3月25日，西湖大學醫學院特聘研究員郭天南團隊在國際期刊《細胞研究》發表評述文章，系統闡述了人工智能（AI）虛擬細胞的構建方法與發展方向。該團隊提出“3+1”方案，即整合先驗知識、靜態結構和動態狀態三大核心數據與閉環主動學習系統，構建了精確且可擴展的AI虛擬細胞模型，將加速生物醫學研究與藥物開發進程。

傳統的細胞實驗通常需要消耗大量資源，且實驗結果易受細胞變異影響。因此，科學家提出虛擬細胞的概念，以減少實驗成本並提高研究的準確性和效率。早期的虛擬細胞模型依賴低通量的生化實驗，並使用微分方程或隨機模擬方法對特定的細胞過程建模。這一模型數據整合和動態模擬能力有限，難以全面描述細胞的複雜性。隨着高通量生物技術和人工智能的發展，AI虛擬細胞成為一種新的研究方向。

郭天南團隊提出，AI虛擬細胞的構建，依賴三大數據支柱：先驗知識包括生物醫學文獻、分子表達及成像數據，為模型提供基礎框架；靜態結構基於冷凍電鏡、空間組學等技術構建，能提供細胞的三維空間結構信息；動態狀態涵蓋生理過程及外部微擾帶來的影響，科研人員可依託高通量組學數據，系統分析大量分子在不同細胞狀態下的變化，確保AI虛擬細胞的“活性”。

“三大數據支柱分別像模擬細胞遊戲中的‘百科全書’‘3D建模’和‘即時監測系統’，再結合AI算法，可為虛擬細胞的構建提供必要基礎。”郭天南介紹，傳統構建方法依賴被動數據積累，團隊提出的閉環主動學習系統，能自動識別知識缺口、設計實驗、自動化執行擾動，並即時優化模型，其核心優勢在於高效處理細胞對不同擾動的複雜響應。

為確保AI虛擬細胞概念的可行性，團隊選擇以酵母作為初始研究對象。“因為酵母結構簡單又包含真核細胞結構，數據相對豐富，並已在生物學和藥物篩選領域得到廣泛應用。”郭天南説，降低門檻，從簡單模型入手，有助於優化AI虛擬細胞的數據需求、建模策略和評估框架，為未來將研究擴展到更復雜細胞系統奠定基礎。

該團隊認為，AI虛擬細胞依賴AI驅動的多模態數據整合，並結合深度學習技術來解析複雜數據，其有利於推動系統生物學、個性化醫學和藥物研發等領域的發展，為細胞行為研究提供新視角。