人工智能能理解人体细胞的惊人复杂性吗？

人类细胞内有数万亿分子，包括约4200万种蛋白质及大量碳水化合物、脂质和核酸，其复杂的内部结构和动态化学反应远超人类当前理解能力。为破解这一难题，研究人员二十多年前开始构建方程模拟细胞部分功能，如今则转向AI驱动的细胞模型——这类模型像ChatGPT等大语言模型一样，通过海量实验数据自主学习细胞的运作规律，而非依赖开发者设定的固定规则。艾伦研究所AI科学家卡西娅·凯齐尔斯卡表示，人们期待生物学领域也能出现类似ChatGPT的突破时刻。

AI细胞模型潜力巨大。在制药领域，可快速评估大量候选药物，省去昂贵实验；能作为细胞工程测试平台，实现定制功能；还可根据患者分子特征构建个性化虚拟细胞，辅助医生选择精准药物；甚至能整合为虚拟组织或器官模型，研究肿瘤微环境对生长的影响等。陈·扎克伯格倡议（CZI）的西奥法尼斯·卡拉莱佐斯指出，这类模型能整合海量分子数据库信息，形成“知识整合图谱”。

早期非AI全细胞模型如2012年马克斯·科弗特实验室的生殖支原体模型、2022年赞·卢西-舒尔滕团队的最小细菌3D模型，虽能模拟代谢、生长和分裂等短期动态，但依赖开发者设定的生物学规则，数学方程与现实的贴合度存疑，且难以预测基因沉默等复杂效应。慕尼黑工业大学的法比安·泰斯称，这些模型在某些预测任务上“完全失败”。

AI驱动模型则通过海量数据自主学习。2023年克里斯蒂娜·西奥多里斯团队的Geneformer基于近3000万个人类细胞基因活性数据训练，能推断基因互作并预测沉默基因的效应，经CRISPR实验验证，其预测的两个基因沉默可增强心肌细胞收缩力，显示出加速药物发现的潜力。CZI的TranscriptFormer学习了12个物种1.12亿个细胞的数据，具备零样本分类未训练物种细胞、区分新冠感染与健康肺细胞等能力。

然而，当前AI模型面临诸多挑战。多数依赖单一基因活性数据，数据总量仍不足，且缺乏像蛋白质数据库（PDB）那样的统一存储库；评估方法存争议，零样本测试显示部分基础模型在细胞分类等任务上不及简单方法，康斯坦丁·阿尔曼-埃尔策团队发现，预测基因互作响应时，基础数学公式比多个AI模型更准确。艾伦研究所的凯齐尔斯卡认为，失败之处能提供改进信息，不应放弃。

为推动进步，Arc研究所的哈尼·古达齐等发起虚拟细胞挑战赛，每年测试模型性能。首届比赛要求预测人类胚胎干细胞中300个基因沉默后的效应，超1000支团队参赛，优胜者将获10万美元奖金及GPU计算时间。类似1994年蛋白质折叠竞赛，该挑战赛旨在通过竞争提升模型能力，助力AI细胞模型早日实现其变革生物医学的潜力。