虚拟细胞：26个数据集+14个模型
要点
提出适用于人工智能驱动的虚拟细胞（AIVC）研究的跨尺度耦合机制，该机制涵盖 「基因-蛋白-通路-细胞」多个生物层级，并对其技术逻辑展开解析。
系统梳理AIVC领域现有模型与数据集，构建可直接参考的资源体系，为后续相关研究提供明确指引与基础支撑。
深入剖析AIVC发展面临的核心挑战，并详细阐述其在疾病研究、药物研发与生物工程领域的应用价值。
摘要
细胞作为生命的基本单位，通过微观分子机制与宏观组织架构间的相互作用协调生物活动。传统研究、实验及生化分析虽能提供重要见解，但受限于时空分辨率与处理能力，难以解析动态跨尺度生物事件。人工智能（AI）的突破性进展催生了AIVC这一新型研究范式。AIVC整合多组学数据与多学科模型方法，构建数字孪生系统以模拟细胞功能与行为。当前AIVC发展仍面临诸多亟待解决的关键挑战。本综述提出AIVC的统一定义与技术框架，详细分析「基因-蛋白质-通路-细胞」层级的跨尺度耦合机制；从跨尺度表征工程、功能子模块设计及多组件动态调控机制３方面拆解AIVC的技术构建框架；汇总该领域现有模型与数据集，为研究者提供参考资源；深入探讨AIVC面临的数据异质性、模型可解释性等挑战，旨在加速AIVC领域研究进展，推动生命科学从观测分析向「预测-创新」融合范式转型。尽管AIVC仍处于早期阶段，但已成为备受关注的研究热点。本综述整合现有模型、数据集及技术思路，为该领域发展提供统一框架。
sunpin@qduhospital.cn
zsg@ouc.edu.cn
#科学人工智能 #生物信息学 #智慧医疗 #虚拟细胞
跨尺度虚拟细胞构建的基本概念与相关理论
跨尺度概念
图1AIVC的功能特征
AIVC在不同生物尺度的功能映射与生理特性，包括基因尺度（驱动「遗传逻辑电路」，实现突变稳定性、致病性预测等基因功能预测）、蛋白质尺度（构建「分子机器」，实现蛋白质功能预测等）、通路尺度（定义「调控网络」，实现蛋白质-蛋白质相互作用等通路功能预测）、细胞尺度（赋能「时空组织」，实现细胞表型预测、细胞间交互预测等）。
跨尺度虚拟细胞中的AI数据集
表2 AIVC构建相关数据集汇总
AIVC建模方法
AIVC相关模型分类
表1AIVC相关模型汇总
功能子模块设计
图2AIVC技术架构概念图
AIVC的整体技术架构，包括表征构建（水平模态融合、垂直尺度渗透）、表征学习（基因子模块、蛋白质子模块、通路子模块、细胞子模块）、功能预测（突变效应预测、蛋白质功能预测、蛋白质-蛋白质相互作用预测、细胞表型预测等）。
详细总结
思维导图（mindmap脑图）
AIVC的技术架构由３大核心模块构成，实现跨尺度信息整合与功能预测
核心模型分类及代表案例
核心数据集分类及关键信息
AIVC在药物发现领域的核心应用场景包括虚拟筛选、毒性预警、虚拟临床试验，其优势在于突破传统方法的物种差异、伦理限制与效率瓶颈
参考
Brief Bioinform. 2026 Mar 1;27(2):bbag104. doi: 10.1093/bib/bbag104.
Artificial intelligence-enabled multi-scale virtual cell: perspective, challenges, and opportunities
260308AIVC.pdf
注：AI辅助创作，如有错误欢迎指出。内容仅供参考，不构成任何建议。