AIVC就是利用AI模擬細胞行為，探索生命機制的過程。據(jù)英國《自然》網(wǎng)站報道，全球科研團隊正掀起一場AIVC研發(fā)浪潮，谷歌旗下“深度思維”等機構(gòu)紛紛投身其中。這項技術(shù)有望重塑多個生物與醫(yī)學領(lǐng)域，從基因調(diào)控到藥物開發(fā)，為探索生命機制、修復損傷、治療疾病打開新的窗口?！都毎冯s志則報道稱，AIVC有可能徹底改變科學過程，助力科學家在生物醫(yī)學研究、個性化醫(yī)學、藥物發(fā)現(xiàn)、細胞工程和可編程生物學等方面取得重大突破。

最值得期待的科技突破之一

2024年12月，由美國斯坦福大學、基因泰克制藥公司和陳—扎克伯格基金會組成的聯(lián)合科研團隊，在頂級期刊《細胞》上發(fā)表重磅論文，倡議全球科學界運用AI技術(shù)打造虛擬細胞?；诙喑叨取⒍嗄B(tài)的大型神經(jīng)網(wǎng)絡(luò)模型，能精準模擬分子、細胞和組織在不同狀態(tài)下的動態(tài)行為，其效率遠超傳統(tǒng)實驗。原本需要數(shù)周才能獲得的實驗結(jié)果，如腫瘤細胞對特定藥物的反應(yīng)，現(xiàn)在通過AIVC可快速獲取。

斯坦福大學生物工程與病理學副教授艾瑪·倫德伯格強調(diào)，構(gòu)建人類細胞模型已成為現(xiàn)代生物學的核心要義之一。這一觀點得到學界廣泛認同，《自然》雜志更是將“生物學基座模型（含AIVC）”列為2025年最值得期待的七大科技突破之一。

令人振奮的是，AIVC能讓研究人員在計算機虛擬環(huán)境中替代傳統(tǒng)的活體實驗。斯坦福大學教授斯蒂芬·奎克教授認為，未來的生物學研究可能90%依靠計算模擬，而非依賴實驗室操作。雖然模擬精度仍取決于數(shù)據(jù)質(zhì)量與模型優(yōu)化程度，但AIVC具備的精準可控性和無限重復性，必將大幅拓展人類對生命奧秘的認知邊界，加速疾病研究和藥物開發(fā)進程。

倫德伯格展望，在不遠的將來，醫(yī)生或許能在患者的“數(shù)字孿生”上預演治療方案，更快速、更經(jīng)濟、更安全的個性化診療將成為現(xiàn)實。

生命數(shù)字化競賽悄然展開

盡管AIVC技術(shù)尚處萌芽階段，這一革命性構(gòu)想已點燃全球頂尖實驗室的研發(fā)熱情。從學術(shù)殿堂到產(chǎn)業(yè)前沿，一場關(guān)于生命數(shù)字化的科研競賽正悄然展開。

斯坦福大學計算生物學家安舒爾·昆達杰指出，當前研究既是對科學研究的集結(jié)號，也是有效的資金募集策略。事實印證了這一判斷，風險資本正以空前規(guī)模涌入該領(lǐng)域。陳-扎克伯格基金會計劃在未來10年內(nèi)投入數(shù)億美元打造AIVC。谷歌公司首席執(zhí)行官德米斯·哈薩比斯今年早些時候表示，該公司旗下“深度思維”公司也啟動了類似項目。

瑞典索爾納國家生命科學實驗室簡·埃倫貝格教授說：“構(gòu)建虛擬細胞猶如搭建生命科學的數(shù)字金字塔。”他帶領(lǐng)的團隊正在攻堅“阿爾法細胞”模型，預計2026年面世。

6月24日，美國Arc研究所聯(lián)合加州大學伯克利分校、斯坦福大學等機構(gòu)，正式發(fā)布AIVC“STATE”。這個AI系統(tǒng)能精準預測干細胞、癌細胞及免疫細胞對藥物、細胞因子和基因編輯的響應(yīng)。其訓練數(shù)據(jù)整合了1.7億個細胞的觀測數(shù)據(jù)和1億個細胞的干預數(shù)據(jù)，數(shù)據(jù)源包括Arc虛擬細胞圖譜等權(quán)威數(shù)據(jù)庫。

在Tahoe-100M基準測試中，STATE模型對干預效果的辨識度提升50%，差異基因表達預測準確率達到現(xiàn)有最佳模型的2倍。

在全球研究版圖上，斯坦福大學專注疾病機制解析與新藥開發(fā)，西班牙巴斯克大學則聚焦優(yōu)化腦癌與乳腺癌的個性化治療方案。這些研究猶如拼圖碎片，共同勾勒出虛擬細胞技術(shù)的應(yīng)用全景。

技術(shù)與倫理問題仍需解決

AIVC雖前景廣闊，但也有研究者指出，現(xiàn)有AIVC在預測泛化能力上存在局限，尚不能完全突破訓練數(shù)據(jù)的邊界。

此外，目前各機構(gòu)構(gòu)建AIVC主要使用的是單細胞測序數(shù)據(jù)。業(yè)內(nèi)專家坦言，AIVC需要囊括其他形式的數(shù)據(jù)，如光學和電子顯微鏡圖像，這些圖像可顯示不同細胞成分如何相互作用，以及細胞如何隨時間變化。科學家需要超越單細胞測序數(shù)據(jù)。

深度學習模型缺乏可解釋性也成為阻礙AIVC高歌猛進的“攔路虎”。AI模型天生的“黑匣子”屬性，導致當算法作出“某基因突變導致癌變”的判斷時，科學家難以追溯其推理路徑。這種“知其然而不知其所以然”的狀態(tài)，或許會嚴重制約研究成果的醫(yī)學轉(zhuǎn)化。雖然AI技術(shù)正在快速發(fā)展，但離達到生物醫(yī)學研究要求的透明度仍有距離。

生物醫(yī)學數(shù)據(jù)涉及的隱私倫理問題同樣不容忽視。如何在保護患者基因隱私的前提下實現(xiàn)科研共享，需要建立全新的數(shù)據(jù)管理范式。

關(guān)鍵詞：