MIT Technology Review China 将 AI 虚拟细胞视为生命科学新基础设施

2026年9月21日，MIT Technology Review China发布了一份报告，该报告由百药科技发起，并由中关村科学园区管理部门指导。该文件是分析人工智能驱动的虚拟细胞作为生命科学潜在新基础设施的主要来源。

报告将AI虚拟细胞定义为一种多模态、多尺度的神经模型，能够表示并模拟生物细胞的状态及其转变。此定义强调该模型并非局限于单一分子视角，而是整合跨空间和时间尺度的多种数据模态。

从模型规模到泛化能力

报告指出，战略挑战正从单纯扩大模型规模转向提升泛化能力、任务适应性以及扰动数据的质量。这一转变反映了对接受访谈的数十家研究机构、科技公司和制药集团的广泛共识。

报告中阐述的宏愿是预测细胞对基因扰动、药物暴露或环境变化的响应。与仅关注分子结构的方法不同，虚拟细胞框架旨在捕捉下游表型结果。

报告的一个关键观察是，私有数据集将剂量、时间、细胞背景和表型关联起来，被视为竞争优势。作者认为，这类高度注释的数据比公开数据更难复制，从而影响模型预测的可靠性。

干湿循环作为产业门槛

报告指出，一个主要的产业门槛是干湿循环，它将数据生成、AI驱动的预测、实验验证以及结果重新注入模型的过程连接起来。这一闭环工作流被视为将虚拟细胞技术从研究原型转向可扩展应用的前提。

干湿循环概念意味着每一次迭代都会同时完善数据库和模型参数，可能随时间提升预测的忠实度。然而，报告并未提供循环效率的量化证据，迭代的速度和成本仍是未解之谜。

潜在应用与剩余空白

AI虚拟细胞的设想用途涵盖基础研究、靶点识别、药物开发和细胞工程等领域。在每个领域，模拟细胞响应的能力都有望加速假设检验并降低对昂贵湿实验的依赖。

尽管预期的应用范围广泛，报告明确指出临床验证仍有待实现。这一空白凸显了虚拟细胞预测在转化为人体健康结果时的当前局限性。

• 基础生物学研究
• 药物发现的靶点识别
• 临床前药物开发流程
• 用于生物制造的细胞工程

上述列表反映了访谈中最常提及的类别，但报告并未量化各类别的相对成熟度。因此，虚拟细胞技术的准备程度在基础科学与工业药物管线之间可能差异甚大。

报告中指出的一个限制是对高质量扰动数据的依赖。由于私有数据集被视为优势，缺乏此类数据的机构可能在实现可比模型性能方面面临障碍。

另一个未解问题涉及干湿循环的可扩展性。报告概念性描述了循环，但未详细说明实验验证步骤的吞吐量，因而对循环是否能满足大型制药项目所需规模存有不确定性。

未来的研究可以探讨改进数据共享框架是否能够削弱专有扰动数据的优势，从而实现对虚拟细胞技术的更广泛民主化访问。

总体而言，报告将AI虚拟细胞定位为一种前景广阔的基础设施，若能够解决数据质量、循环效率以及临床转化等挑战，它有望重塑生命科学中计算预测与实验验证的整合方式。