澳科大：自进化AI虚拟细胞

摘要

人工智能虚拟细胞（AIVC）技术正深刻重塑生物医学研究范式，其核心是融合生命科学底层逻辑，精准模拟从分子相互作用到多细胞系统涌现特性的复杂生物学过程。AIVC旨在捕捉细胞行为的关键规则：包括可预测的基因表达通量、信号网络的信息处理逻辑，以及决定细胞命运的程序性记忆机制。值得注意的是，随着生成式生物智能体的引入，AIVC正从被动的数据拟合工具，进化为具备认知能力的数字生命。

在数据集成层面，AIVC深度融合多模态数据，包含单细胞转录组学、表观组学、空间转录组学与系统性扰动数据，以此构建细胞的全景数字画像。在模型构建层面，智能体的引入赋予AIVC前所未有的自主能力。借助大语言模型的逻辑推理能力，AIVC不再局限于静态因果网络推断，而是如同虚拟科学家一般，能够自主提出科学假设、设计虚拟扰动实验，通过反馈循环实现模型自我迭代与优化。这种从软验证走向自主发现的模式，能够让各类复杂环境下的细胞状态转换模拟更加精准、更具备可解释性。

在应用拓展层面，AIVC正在推动药物发现、疾病机制研究、精准医学领域的范式变革。不仅可以通过虚拟筛选高效挖掘潜在药物，还可以利用智能体驱动的动态演化能力构建可编程、可自我修正的虚拟人体，进而优化临床试验设计，为个体化治疗提供决策支撑。尽管AIVC前景广阔，但目前仍面临多源数据融合、模型可解释性、硅上模拟向临床转化等诸多挑战。未来的发展应当重点构建跨学科协作生态，建立标准化评估基准，优先开发具备自主学习与自适应演化能力的智能体模型。最终目标是实现从静态模拟向智能预测的根本性转变，建立能够精准映射个体健康状态、自主探究疾病进展的数字孪生系统，为未来精准医学做出重要贡献。

inwong@must.edu.mo

#AIVC #数字孪生 #多尺度建模 #生物智能体 #单细胞多组学 #扰动响应 #自进化 #精准医学 #人工智能虚拟细胞

引言

多尺度核心生物学过程虚拟化，构建AIVC模型

图1 自进化AIVC智能体总览

本框架展示1套衔接基础生物学逻辑与生物医学应用的迭代演化系统。

(A) 多尺度生物学过程虚拟化（左上）：基于中心法则（DNA‑RNA‑蛋白质）、细胞命运动态（例如增殖、分化）等生物学规律开展物理与数学计算建模，搭建AIVC的生物学内核。

(B) 多模态组学数据融合（右上）：整合单细胞转录组、蛋白质组、代谢组以及剂量依赖扰动图谱数据，赋予虚拟细胞高维全景的数据表征能力。

(C) 构建AIVC自动化工作流：5路闭环「构建‑应用‑反馈」迭代机制。AIVC不只是被动仿真工具，而是具备感知、决策、执行能力的自主系统。借助大语言模型的逻辑推理，AIVC智能体如同虚拟科学家，自主提出假设、设计虚拟扰动实验；利用下游应用产生的反馈数据持续优化模型参数，实现智能体自主演化。

(D) AIVC的生物医学应用全景（下方）：包括疾病机制解析、肿瘤微环境仿真、药物虚拟筛选、药物作用机制解析、临床前安全性评估，以及面向精准医学的个体化数字孪生。

AIVC：人工智能虚拟细胞；Perturb‑seq：扰动测序；scRNA‑seq：单细胞RNA测序。

实现AIVC面临的挑战与展望

AIVC构建中多模态数据融合的策略与范式

表1 AIVC开发与生物学发现的代表性核心数据集

AIVC开发的核心数据集覆盖基因组、转录组、药物筛选、空间生物学等多个维度；数据集按发布时间排序。CMap：连通性图谱；CRISPRi：CRISPR干扰；FiCS：固定‑冷冻‑单细胞测序；OpenQDC：开放量子数据共享库；QM：量子力学；RTK：受体酪氨酸激酶；sci‑Plex‑GxE：sci‑Plex基因‑环境互作数据集。

现有建模方法的局限

表2 AIVC构建的代表性分子序列与结构基础模型

代表性分子序列、结构基础模型；涵盖生物大分子复合物高精度结构预测，以及DNA、RNA、蛋白质、密码子层面的通用建模与生成任务；按发布时间排序。

发展AIVC，迈向真正的数字孪生

图2 多智能体系统的多组学数据融合与虚拟细胞驱动数字孪生框架

(A,B) 异构生物医学数据多智能体系统架构。

(A) 生物多组学数据输入模块，包含基因组(WGS)、转录组(RNA‑seq)直至单细胞分辨率(scRNA‑seq)的多层次生物学信息。

(B) 小分子多模态数据输入模块，整合化学结构(SMILES)、理化性质、药代动力学(ADMET)、外部知识图谱信息。专用子智能体在统一协调下处理各类模态数据。

(D) 多模态特征对齐至隐空间。示意图展示来自不同来源（化合物、基因、表型）的数据映射至统一流形，捕捉内在的跨模态关联。

(E) 从真实个体走向数字孪生的演化愿景：虚拟细胞作为核心计算引擎。左侧为具备多维真实世界数据（人口学、电子病历、影像等）的健康人或患者；中间是承担整合与推理的虚拟细胞模型；右侧为全生命周期数字孪生。双向箭头代表双重功能：正向预测疾病轨迹；反向推理实现生活方式调整或者医疗干预策略，最大化个体健康收益。

ChIP‑seq：染色质免疫沉淀测序；EHR：电子病历；IC50：半数抑制浓度；LC‑MS/MS：液相色谱‑串联质谱；RWD：真实世界数据；SWATH‑DIA：顺序窗口采集‑数据非依赖采集；3D：3维；WGS：全基因组测序。

结论

高性能模型的开发与应用

表3 AIVC状态表征的代表性单细胞与多组学基础模型

单细胞、多组学分析代表性基础模型汇总。经过大规模预训练，实现跨物种、跨模态、数据稀缺场景下统一表征与推理，为细胞状态空间建模提供世界模型。按发布时间排序。scATAC‑seq：单细胞染色质可及性测序。

表4 AIVC动态仿真的代表性细胞扰动与药物响应模型

细胞扰动、药物响应代表性模型，涵盖转录响应、组合扰动的精细表征，以及用于推断药物、遗传操作的高通量框架，在特定任务具备优秀预测与生成性能。按发布时间排序。CPA：组合扰动自编码器；CRISPR：成簇的规律间隔的短回文重复序列；EC：有效连接；NPI：神经扰动推断；OOD：分布外。

AIVC模型的自进化：从静态模拟走向动态智能实体

表5 虚拟细胞与AI智能体仿真系统里程碑成果

虚拟细胞与AI智能体仿真系统里程碑汇总，从早期物理生化仿真，到当代深度学习大模型；涵盖多尺度组织、有机体仿真，以及多智能体驱动的「AI科学家」。按发布时间排序。H&E：苏木精‑伊红染色；LLM：大语言模型；mIHC：多重免疫组化；OCTO‑vc：OCTO虚拟细胞；P‑E‑D：预测‑解释‑发现；PVH：可编程虚拟人体。