在2025年3月25日，西湖大学医学院郭天南团队在《Cell Research》期刊上发表了一篇题为《GrowAIVirtualCells:ThreeDataPillarsandClosed-LoopLearning》的评论文章，探讨了人工智能虚拟细胞（AIVCs）的发展方向。AIVCs的核心在于通过人工智能与多模态数据的整合，构建出准确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，并且以高通量的形式进行仿真，甚至在某些情况下可以替代实验室实验。

三大数据支柱：AIVCs的基础构建

为了更好地支持AIVCs的发展，该研究提出了三大数据支柱，包括先验知识、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了必要的基础。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，涵盖了细胞生物学的基本机制。尽管数据庞大且多样，但信息通常比较分散，难以直接用于构建完整的AIVC。

静态结构则涉及细胞的形态学及分子组成，提供了细胞的三维空间结构信息。然而，仅依赖静态数据无法反映细胞的动态变化，因此动态状态显得尤为重要，它涵盖了生理过程以及外部微扰对细胞的影响。借助高通量组学技术，研究者可以系统性地分析大量分子在不同细胞状态下的变化，从而提升AIVC的准确性。

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（Closed-Loop Active Learning Systems）是关键。与传统方法依赖被动数据积累不同，闭环系统结合AI预测与机器人实验，主动探索细胞的动态状态并填补知识空白。这种系统能够有效识别知识缺口、设计实验并执行扰动，实时优化模型，以加速科学研究。

低门槛切入点：选择适合的细胞模型

AIVCs的细胞模型选择至关重要。不同的细胞模型各有优缺点，研究建议从酵母模型入手——因为酵母不仅结构简单，还具有真核细胞的特性，数据也相对丰富。虚拟酵母细胞（Virtual Yeast Cell）作为AIVCs的入门方向，将为后续研究奠定基础。接下来，人类癌细胞系则是重要目标，能够推动在精准医学和药物开发中的应用。

总结

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大作用，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，将是下一阶段的重要任务，以确保AIVCs能够真正实现其在计算生物学和生物医学研究中的变革性潜力。

通过尊龙凯时平台的支持，科研人员可以进一步探索更加完善的AIVC，以应用于药物研发、合成生物学与系统生物学等领域。相信在不久的将来，我们将见证这一领域的更多突破与进展。