7.6
深览指数
科技虎嗅·生物世界©··AI 生成
Nature：西湖大学郭天南团队提出“虚拟酵母”计划，用AI打造首个虚拟真核细胞
该文报道了西湖大学郭天南团队联合国内外数十个研究机构在Nature上发表的前瞻性文章，首次提出“虚拟酵母”（Virtual Yeast）计划。核心创新在于将真核细胞复杂性拆解为八个以功能为中心的AI模块，并由大语言模型统一调度，旨在构建能模拟酵母从基因表达到代谢产物全链条行为的可预测AI系统。文章详细阐述了技术架构、三大数据支柱及闭环学习策略，并指出这一框架未来可向人类细胞建模平移，服务于药物筛选和疾病研究。适合关注合成生物学前沿与AI-for-Science领域的科研人员和技术决策者阅读。原文 ↗
核心观点
- ▍西湖大学郭天南团队提出了“虚拟酵母”计划，旨在利用AI构建首个可预测、可实验验证的虚拟真核细胞，它是一个能模拟酵母从基因表达到代谢产物全链条行为的AI智能体系统。
- ▍该系统的核心创新在于摒弃了传统的整体数学方程建模思路，转而将细胞复杂性拆解为八个功能为中心的AI模块，并通过大语言模型(LLM)作为协调层进行统一调度，实现了模块化、可扩展的细胞模拟架构。
- 01研究团队在Nature上发表了前瞻性评述文章，提出了虚拟酵母计划，并联合了北京大学、上海人工智能实验室、复旦大学、斯坦福大学等数十个研究机构。
- 02选酵母作为模型生物，因酿酒酵母具备完整的真核细胞结构（细胞核、线粒体等），遗传工具丰富（全基因组敲除文库、GFP标签库），且与人类核心细胞过程高度保守。
- 03虚拟酵母的架构包含八个功能模块：膜系统、遗传中枢、线粒体能量、胞质代谢、生物合成网络、细胞骨架、应激处理和降解机器。每个模块由专门的AI工具（如变分自编码器、扩散模型、基因组基础模型等）实现。
- 04系统依靠三大数据支柱：先验生物学知识（酵母数据库如SGD、YMDB、YeastNet）、亚细胞空间架构数据（空间组学、冷冻电镜数据）和动态状态数据（已启动 969 个菌株在多种条件下的 1.5万份时间分辨蛋白组和5000份代谢组数据）。
- 05系统引入三重约束机制防止AI“胡编乱造”：知识图谱因果约束、物理规则约束（化学计量平衡）和强化学习反馈（用真实实验数据作为奖励信号）。
- 06项目采用“主动学习”策略，形成“模型预测→实验验证→数据反哺”的闭环，并已规划未来5-10年的分阶段实施路线图。
- 07代谢模块案例显示，AI模型结合基因组尺度代谢模型(GEM)，在预测敲除哪些基因能提高工业氨基酸产量方面，比传统机器学习模型准确率更高。
反方 / 局限
- — 研究团队坦言，虚拟酵母不会是完美的“数字孪生”，无法也不可能精确模拟细胞里的每一个分子。
- — 文章主要描绘了宏伟的技术蓝图和阶段性成果，但对于大语言模型作为“总指挥”时可能出现的跨模块协调错误、幻觉对下游模块的传播效应，以及系统计算资源需求等工程化挑战着墨不多。
虚拟酵母 (Virtual Yeast)郭天南西湖大学Nature酿酒酵母 (Saccharomyces cerevisiae)大语言模型 (LLM)基因组尺度代谢模型 (GEM)主动学习 (Active Learning)
9 分钟 · 4 卡片 · 7 资料
读原文 →