研究人員正在探索世界上首個(gè)虛擬人類細(xì)胞，這是一個(gè)人工智能驅(qū)動(dòng)的模型，旨在模擬人類生物分子、細(xì)胞和組織的復(fù)雜行為。 這項(xiàng)創(chuàng)新可以為了解生物學(xué)的復(fù)雜性和推動(dòng)醫(yī)學(xué)研究開辟新的途徑。 圖片來源：Emma Lundberg

 

斯坦福大學(xué)、基因泰克公司（Genentech）和陳-扎克伯格基金會(huì)（Chan-Zuckerberg Initiative）的研究人員認(rèn)為，人工智能（AI）的進(jìn)步和大規(guī)模生物數(shù)據(jù)的可用性為建立世界上第一個(gè)虛擬人類細(xì)胞創(chuàng)造了"前所未有的機(jī)會(huì)"。 這種由人工智能驅(qū)動(dòng)的模型可以模擬人類生物分子、細(xì)胞甚至整個(gè)組織和器官的復(fù)雜行為。

 

斯坦福大學(xué)工程學(xué)院和醫(yī)學(xué)院的生物工程和病理學(xué)副教授、《細(xì)胞》（Cell）雜志上一篇新文章的資深作者艾瑪-倫德伯格（Emma Lundberg）說："人體細(xì)胞建模可以說是生物學(xué)的圣杯。這篇文章建議全球共同努力，創(chuàng)建世界上第一個(gè)人工智能虛擬細(xì)胞。人工智能提供了直接從數(shù)據(jù)中學(xué)習(xí)的能力，并能超越假設(shè)和直覺，發(fā)現(xiàn)復(fù)雜生物系統(tǒng)的突發(fā)特性。"

 

倫德伯格與斯坦福大學(xué)生物工程教授兼陳-扎克伯格倡議科學(xué)主任斯蒂芬-奎克（Stephen Quake）和工程學(xué)院計(jì)算機(jī)科學(xué)教授尤雷-萊斯科維奇（Jure Leskovec）共同撰寫了這篇文章。 其他資深作者還包括陳-扎克伯格基金會(huì)科學(xué)人工智能主管 Theofanis Karaletsos 和基因泰克公司研究執(zhí)行副總裁 Aviv Regev。

 

這種合成細(xì)胞模型既能讓人們更深入地了解化學(xué)、電學(xué)、機(jī)械以及其他力量和過程的復(fù)雜相互作用，這些力量和過程使健康的人體細(xì)胞發(fā)揮作用，又能揭示導(dǎo)致細(xì)胞功能障礙或死亡的疾病根源。

 

也許更有趣的是，人工智能虛擬細(xì)胞還能讓科學(xué)家在計(jì)算機(jī)上而不是在活細(xì)胞和生物體上進(jìn)行硅學(xué)實(shí)驗(yàn)，而不是體內(nèi)實(shí)驗(yàn)。 這種能力將擴(kuò)大人類對(duì)人類生物學(xué)的了解，加快尋找新療法、新藥物，甚至是疾病的治療方法。

 

數(shù)字生物學(xué)時(shí)代的愿景

 

癌癥生物學(xué)家可能會(huì)模擬某些突變?nèi)绾问菇】导?xì)胞發(fā)生惡變。微生物學(xué)家也許有一天會(huì)預(yù)測(cè)病毒對(duì)受感染細(xì)胞甚至宿主生物的影響。 有朝一日，醫(yī)生可能會(huì)在病人的"數(shù)字雙胞胎"上測(cè)試治療方法，從而加速實(shí)現(xiàn)長(zhǎng)期承諾的更快、更經(jīng)濟(jì)、更安全的個(gè)性化醫(yī)療時(shí)代。

 

不過，作者表示，人工智能虛擬細(xì)胞要想取得成功，需要實(shí)現(xiàn)三個(gè)目標(biāo)。 首先，它需要讓研究人員有能力創(chuàng)建跨物種和細(xì)胞類型的通用表征。 它還必須準(zhǔn)確預(yù)測(cè)細(xì)胞功能、行為和動(dòng)態(tài)，并理解細(xì)胞機(jī)制。 最后但并非最不重要的一點(diǎn)是，人工智能虛擬細(xì)胞將允許在計(jì)算機(jī)上進(jìn)行實(shí)驗(yàn)，以測(cè)試假設(shè)并指導(dǎo)數(shù)據(jù)收集，從而以遠(yuǎn)低于目前的速度和成本擴(kuò)展虛擬細(xì)胞的能力。

 

海量生物數(shù)據(jù)的挑戰(zhàn)

 

作者稱之為科學(xué)的"三連勝"，人工智能開創(chuàng)了一個(gè)可預(yù)測(cè)、可生成、可查詢的工具時(shí)代，但不可否認(rèn)的是，創(chuàng)建虛擬細(xì)胞需要大量的原始生物數(shù)據(jù)。 相比之下，作者指出，美國(guó)國(guó)家衛(wèi)生研究院（National Institutes of Health）匯編的DNA測(cè)序數(shù)據(jù)庫被稱為"短讀檔案"（Short Read Archive），目前已包含超過14PB的數(shù)據(jù)，比用于訓(xùn)練ChatGPT的數(shù)據(jù)集大一千倍。

 

實(shí)現(xiàn)人工智能虛擬細(xì)胞并非易事。 這將需要全球范圍內(nèi)的協(xié)同合作、開放科學(xué)合作，其規(guī)模前所未有，涉及從遺傳學(xué)、蛋白質(zhì)組學(xué)到醫(yī)學(xué)成像等各個(gè)領(lǐng)域，還需要學(xué)術(shù)界、工業(yè)界和非營(yíng)利組織等全球利益相關(guān)者之間的緊密合作。 與此同時(shí)，作者們也謹(jǐn)慎地指出，任何為人工智能虛擬細(xì)胞所做的工作都必須假定所產(chǎn)生的模型將不受限制地向整個(gè)科學(xué)界開放。

 

倫德伯格斷言："這是一個(gè)龐大的項(xiàng)目，堪比基因組計(jì)劃，需要跨學(xué)科、跨行業(yè)、跨國(guó)家的合作，我們知道，功能齊全的模型可能要十年或更長(zhǎng)時(shí)間才能問世。但是，隨著當(dāng)今人工智能能力的迅速發(fā)展，以及我們龐大且不斷增長(zhǎng)的數(shù)據(jù)集，科學(xué)界聯(lián)合起來，開始徹底改變我們理解和模擬生物學(xué)的方式的時(shí)機(jī)已經(jīng)成熟。"

 

編譯自/ScitechDaily

 

DOI: 10.1016/j.cell.2024.11.015