为了了解细胞的功能，科学家们试图构建虚拟细胞（virtual cell）模型来模拟、预测和引导细胞行为。在此基础上，使用术语虚拟细胞来定义一个模拟细胞生物学功能和相互作用的计算模型。现有的细胞模型通常是基于规则的，结合了对潜在生物学机制的假设和从观察数据拟合的参数。它们通常依赖于明确定义的数学或计算方法，例如微分方程、随机模拟或基于智能体（Agent）的模型。它们的复杂性不同，涵盖了细胞生物学的不同定义方面，如转录和翻译、细胞骨架驱动的细胞行为、生化网络或代谢通量。

    今天，两项激动人心的科技革命——人工智能和组学，使我们能够直接从数据中学习构建细胞模型。这两项突破为人工智能虚拟细胞（AIVC）的宏伟愿景提供了前所未有的机会，AIVC是一种基于多尺度、多模态、大型神经网络的模型，可以在不同状态下表示和模拟分子、细胞和组织的行为。

AIVC主要有三个层面的功能。

1. 通用表示（UR）：AIVC将生物数据映射到通用表示（UR）空间，促进对共享状态的洞察，并作为综合参考。这些UR应整合三个物理尺度——分子、细胞和多细胞——并容纳来自任何相关模态和上下文的贡献。

2. 预测细胞行为和理解机制：AIVC将通过训练广泛的快照、时间分辨的非干预性和干预性数据集，开发出对自然或工程信号下发生的分子、细胞和组织动态的理解。AIVC应能够预测未在实验室中测试过的扰动响应，同时考虑细胞上下文中的特定特征。

3. 体外实验和指导数据生成：AIVC应能够通过虚拟仪器（VIs）进行查询，模拟在体外难以培养的细胞类型的实验或模拟低成本测量的高通量读数。虚拟实验可用于筛选大量可能的扰动剂，其规模在实验室中是不可能的。

参考资料：

https://www.cell.com/cell/fulltext/S0092-8674(24)01332-1