2025年3月25日，西湖大学医学院郭天南团队在Cell Research上发表了题为《Grow AI 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的核心理念在于整合人工智能与多模态数据，从而构建出精准且可扩展的虚拟细胞模型。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，并具备高通量仿真能力，甚至在某些情况下能够替代实验室实验。

三大数据支柱：AIVCs的基础构建

为了更好地支持AIVCs的发展，研究者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。这些数据结合人工智能算法，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、分子表达数据和多尺度成像数据，涵盖细胞生物学的基本机制。然而，尽管这些数据庞大而多样，信息却相对分散，难以直接用于构建完整的AIVC，因此只能作为基础框架。静态结构则涉及细胞的形态学和分子组成，涵盖纳米尺度的分子建模和空间组学等技术。这些数据能够提供细胞的三维空间结构信息，但无法动态反映细胞的变化。因此，动态状态是构建“活”AIVC的关键，它涵盖生理过程及外部微扰的影响。

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起着重要作用。文章指出，传统方法依赖被动数据积累，而闭环系统结合人工智能预测与机器人实验，主动探索细胞动态状态。这种系统能够自动识别知识缺口，并设计实验以实时优化模型，从而显著加速科学研究。

选择适合的细胞模型：低门槛切入点

AIVCs的细胞模型选择至关重要。研究者建议从酵母入手——这一细胞模型既简单又具真核细胞特性，且数据相对丰富，能够广泛应用于生物学和药物筛选领域。接着，人类癌细胞系则是后续的重要目标，推动AIVC在精准医学和药物开发中的应用。因此，从简单的细胞模型起步，能够优化AIVC需求与建模策略，为未来扩展到更复杂细胞系统奠定基础。

展望未来：AIVCs的潜力与协作重要性

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。科学界的协同合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。

在这一进程中，918博天堂将持续关注AIVCs的发展，推动技术创新与应用落地，为生物医学研究提供更强的支持与保障。在复杂的生物医疗环境中，选择强大的虚拟细胞模型，将为医学研究与临床应用开辟新的可能性。