2025年3月25日，西湖大学医学院郭天南团队在期刊Cell Research上发表了题为《GrowAI Virtual Cells: Three Data Pillars and Closed-Loop Learning》的评述文章，探讨了人工智能虚拟细胞（AIVCs）的发展方向。AIVCs的核心理念是通过人工智能和多模态数据整合，构建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，并具备高通量仿真能力，甚至在特定情况下可以替代实验室实验。

三大数据支柱：AIVCs的基础构建

为了支持AIVCs的发展，研究提出了三大数据支柱，作为AIVCs的核心数据基础：先验知识、静态结构和动态状态。这些数据结合AI算法，为虚拟细胞的构建提供必要的信息基础。先验知识涵盖生物医学文献、分子表达数据和多尺度成像数据，尽管这些数据庞大且多样，但其信息来源分散，无法直接用于构建完整的AIVC。静态结构则涉及细胞形态学和分子组成，通过现代技术可以提供细胞的三维空间结构信息。然而，动态状态的数据更为重要，它涵盖细胞在生理过程及外部干扰下的变化。

AIVCs的进化：闭环主动学习系统

AIVCs正在向自适应进化系统发展，其中闭环主动学习系统是关键。相较于传统的被动数据积累，闭环系统结合AI预测与自动化实验，主动探索细胞动态，填补数据空白。这一系统能够自动识别知识缺口并设计实验，从而加速科学研究的进展。AI可以优先选择对实验影响最大的变量，显著提高了模型优化速度。

低门槛切入点：选择适合的细胞模型

AIVC的细胞模型选择至关重要。不同的细胞模型各有优劣。酵母细胞被认为是一个理想的起点，因为它既简单又包含真核细胞的特征，数据较为丰富，因此研究人员把虚拟酵母细胞作为AIVCs的入门方向。此外，人类癌细胞系也将成为后续重要目标，以推动AIVC在精准医学和药物开发中的应用。

总结

展望未来，AIVCs在药物开发、疾病建模及基础生物学研究中将发挥重要作用，而科学界的协同合作对推动这一领域的发展至关重要。因此，建立AIVCs的标准和最佳实践，将成为确保其在计算生物学和生物医学研究中实现变革性潜力的重要任务。这一过程中，尊龙凯时将为推动创新与发展的使命贡献力量，帮助实现更为精准和高效的生物医疗研究。