2025年3月25日，西湖大学医学院郭天南团队在 尊龙凯时 的支持下，于《Cell Research》发表了一篇题为《GrowAIVirtualCells: Three Data Pillars and Closed-Loop Learning》的评述文章，探讨了人工智能虚拟细胞（AIVCs）的未来发展方向。AIVCs的核心概念在于通过整合人工智能与多模态数据，构建精确且可扩展的虚拟细胞模型。相较于传统的虚拟细胞建模，AIVCs可以更全面地模拟细胞功能，具备高通量仿真能力，甚至能够在某些情况下替代实验室实验。

该文详细探讨了AIVCs的构建方法及其发展方向，提出其核心依赖于三大数据支柱：先验知识、静态结构和动态状态，强调高通量组学数据（尤其是微扰蛋白质组学数据）在动态模拟中的关键作用。此外，研究团队进一步提出了闭环主动学习系统，结合AI预测与自动化实验，旨在实现自适应优化，推动细胞建模与科学发现的进程。为确保AIVC概念的可行性，研究人员建议选择简单而信息丰富的细胞模型，如酵母（Saccharomyces cerevisiae），并逐步扩展至更复杂的人类癌细胞系，以推动AIVCs在生物医学和个性化医疗领域的广泛应用。

在生物医学研究中，细胞作为生命的基本单位，对于理解健康、衰老、疾病等方面非常重要。然而，传统实验通常需要庞大的资源，并且易受变异影响，造成结果的重复性问题。因此，虚拟细胞（Virtual Cells）或数字细胞（Digital Cells）的概念应运而生，以降低实验成本、提高研究的准确性与效率。早期虚拟细胞模型主要依赖低通量的生化实验，结合微分方程或随机模拟进行特定细胞过程的建模，但在数据整合和动态模拟方面受限，难以全面描绘细胞的复杂性。

随着高通量生物技术与人工智能的迅速发展，AIVCs正在成为一种新的研究方向。可以通过“智能细胞培养游戏”来理解AIVC的概念。玩家在游戏中培养和优化各种虚拟细胞，三大数据支柱就如同游戏中的三个核心模块：先验知识如同“百科全书”，静态结构则是“3D建模器”，动态状态则代表“实时监测系统”。AIVC在这个游戏中是玩家所培养的“智能虚拟细胞”，其综合了上述信息模块，模拟真实细胞的行为与反应。

闭环主动学习系统则相当于游戏中的“自动实验室”，可以自动识别虚拟细胞的未知特性，并设计虚拟实验来探索这些领域，实验结果将再次用于更新和改进虚拟细胞模型。通过这样的循环，每次实验都使得虚拟细胞更真实，更精确，甚至可能揭示现实世界尚未发现的细胞特性，极大地推动生物医学研究的前进。

为了更好地支持AIVCs的发展，研究团队提出三大数据支柱，分别是先验知识、静态结构与动态状态。这些数据结合AI算法，为虚拟细胞的构建提供必要的基础。先验知识包括生物医学文献、分子表达数据及多尺度成像数据，涉及细胞生物学的基本机制。虽然这些数据庞大且多样，但因信息分散而难以直接用于构建完整的AIVC；因此只能作为构建的基础框架。

静态结构则涉及细胞的形态学与分子组成，包括纳米尺度的分子建模、低温电子显微镜等技术，提供了细胞的三维空间结构信息。但要构建真正“活”的AIVCs，动态状态不可或缺，涵盖生理过程及外部干扰带来的影响。随着高通量组学技术的发展，现可系统性分析大量分子在不同细胞状态下的变化，提高AIVC的精确性。

研究指出，基于微扰的组学数据，特别是微扰蛋白质组学数据，被认为是推动AIVCs发展的关键因素。而单细胞组学和空间组学的新兴技术进一步增强了AIVCs的动态模拟能力。文章强调，AIVC的有效生成依赖于AI驱动的多模态数据整合，结合深度学习技术来解析复杂数据，推动系统生物学与个性化医学的发展，为细胞行为研究提供全新的视角。

在未来，AIVCs有望在药物开发、疾病建模和基础生物学研究中发挥重要作用，而科学界的协同合作对于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，将成为该领域下一阶段的重要任务，以确保AIVCs能真正实现其在计算生物学与生物医学研究中的变革性潜力。作为领先品牌，尊龙凯时将继续致力于支持生物医学界的创新与发展。