（来源：上观新闻）

显微镜下的细胞（Pixabay）

今天，如果有人告诉你可以在计算机里完整复制一个人体细胞，甚至完全替代实验，大概率言过其实。因为现阶段，大量AI细胞模型的核心数据还只是单细胞转录组。即便最前沿的虚拟细胞，仍以静态的单细胞RNA测序作为主要数据类型之一。

不过，从看见细胞到读懂细胞，再到预演细胞，人类正尝试把生命从一个只能观察的对象，变成一个可以被理解、被预测，并最终被谨慎设计的复杂系统。

从“一维投影”到“多维描述”

一个真实细胞同时生活在多个尺度上：在分子层面，有DNA、RNA、蛋白质、代谢物和离子；在结构层面，有细胞器、膜系统和动态的空间组织；在时间尺度上，有极快的信号传导，也有持续数天、数月乃至更久的分化和衰老；在更高层面，它还不断与邻居细胞、免疫系统、细胞外基质以及整个机体环境交换信息。

但现在的AI细胞模型看到的还只是生命的一层投影，接下来至少还有三道关要过。

第一，从单模态走向多模态。未来模型不仅要读RNA，还要结合蛋白质、染色质可及性、空间位置、显微图像、代谢状态甚至力学信息，让“细胞状态”从一张基因表达谱变成更完整的多维描述。

第二，从静态走向动态。多数单细胞RNA测序获得的更像不同细胞在若干时刻留下的“照片”，而非同一细胞从开始到结束的一部完整“电影”。只有把时间真正纳入模型，才能更接近预测细胞如何发生状态转移。

第三，从统计拟合走向机制与因果。一个模型即便能在某个数据集上预测得很好，也可能在新的组织、患者或物种中失效。未来的模型需要吸收更多生物学先验、机制约束和高质量干预数据，并用真正陌生的实验场景检验它的泛化能力。

美国弧形研究所公布的第一代虚拟细胞模型State，试图利用近1.7亿个细胞的观察数据以及超过1亿个细胞的扰动数据，学习干细胞、癌细胞和免疫细胞对药物、细胞因子及遗传干预的响应。不过，研究团队认为它并不是一台已经完成的“数字细胞”，还只是“通向更高生物学保真度的早期一步”。

尝试预测细胞，最终设计细胞

回顾现代生命科学的发展，可以把人类与细胞的关系粗略分成几个阶段：

第一阶段是“看见细胞”，显微镜让我们知道生命由细胞构成；第二阶段是“读懂细胞”，分子生物学和组学技术让我们能够测量基因、RNA、蛋白质和代谢物，建立越来越精细的生命图谱；现在，我们正尝试进入第三阶段“预测细胞”；如果这一步能够真正实现，就会出现第四阶段“设计细胞”。

那时，药物研发不再只是从海量分子中寻找一个“碰巧有效”的候选，而可尝试从希望达到的细胞状态反向寻找干预方案；细胞治疗不再只是筛选天然存在的细胞功能，而能更系统地塑造细胞行为；生物制造也不必完全依赖漫长的随机试错，可在模型与实验的闭环中持续优化一个生命系统。

当然，生命远比语言复杂。一个句子预测错了，下一个词可以重写；一个细胞预测错了，真实世界中的代价可能是一次失败的实验，甚至是一项错误的医学判断。

正因如此，AI细胞模型真正的价值从来不在于创造一个宏大的“生命GPT”，而在于它能否提出可验证的预测，能否在新的场景中仍然成立，能否帮助科学家完成过去难以完成的实验。

真正改变生命科学的，未必是一台能够回答所有问题的AI，而是一种全新科研方式：让真实细胞与数字模型不断互相校正，让每一次实验都成为下一次预测的起点。也许未来某一天，生物学家面对一个陌生细胞时，第一步不再是数周乃至数月的试错，而是先在虚拟世界中运行成千上万次的“如果”。

（作者为上海创智学院博士生）

原标题：《AI已能完整复制人体细胞？别真信！真正实现还要闯三关》

栏目主编：许琦敏 文字编辑：刘琦

来源：作者：庄凯