课前准备--虚拟细胞与多组学（单细胞空间分子动力学）

作者，Evil Genius

这一篇我们来学一学虚拟细胞

虚拟细胞（Virtual Cell）：下一代生命科学“数字生命模型”

近两年，虚拟细胞（Virtual Cell）、AI Virtual Cell、Digital Cell（数字细胞） 成为生命科学和人工智能交叉领域最热门方向之一。Nature、Cell Research 等期刊认为，它可能成为继：

• 基因组学（Genome）
• 单细胞测序（Single-cell）
• 空间组学（Spatial Omics）
• AlphaFold蛋白结构预测

之后的新一轮生命科学计算革命。

简单理解：

虚拟细胞就是利用人工智能，把一个真实细胞所有能够观测的信息（DNA、RNA、蛋白、空间位置、代谢状态、药物响应等）整合起来，构建一个可以预测细胞行为的“数字化细胞模型”。

它的最终目标不是“画一个细胞”，而是：

让计算机能够像生物学家一样理解细胞，并预测如果改变某个因素，细胞未来会发生什么。

例如：

现在实验：

给癌细胞加药
        ↓
培养7天
        ↓
测RNA
        ↓
看是否有效

未来虚拟细胞：

输入：

患者肿瘤单细胞数据
+
空间转录组
+
突变信息
+
药物结构

↓

AI虚拟细胞模拟

↓

预测：

这个药是否杀死癌细胞？
哪些细胞耐药？
免疫是否激活？

一、为什么现在虚拟细胞突然爆发？

1. 生命科学进入“数据时代”

过去几十年：

研究模式：

一个基因
     ↓
一个蛋白
     ↓
一个功能

例如：

发现EGFR：

↓

研究EGFR蛋白：

↓

开发EGFR抑制剂。

但是现在：

一个肿瘤样本：

可能产生：

基因组数据

WES：

EGFR L858R
TP53 mutation
BRCA1 loss

单细胞数据

scRNA-seq：

几十万个细胞：

癌细胞
T细胞
B细胞
CAF
Macrophage
Endothelial

空间数据

Spatial transcriptomics：

告诉我们：

哪个细胞在哪里？

谁和谁接触？

形成什么生态位？

蛋白数据

例如：

IMC、CyTOF：

PD-L1
HER2
pERK
pAKT

药物扰动数据

例如：

CRISPR：

敲除TP53

↓

细胞状态变化

这些数据量已经超过传统分析能力。

因此需要：

AI建立：

细胞语言模型

类似：

ChatGPT：

学习：

文字规律

虚拟细胞：

学习：

生命规律

目前的多模态生命科学基础模型正朝这个方向发展，将基因组、转录组、蛋白组、空间组学等统一到一个模型中。

二、虚拟细胞到底是什么结构？

可以把它理解成：

一个“细胞ChatGPT”

输入：

DNA
RNA
Protein
Spatial
Image
Drug
Mutation

经过：

AI Foundation Model

Transformer
+
Graph Neural Network
+
Generative AI

输出：

细胞状态预测
疾病发展预测
药物响应预测
基因功能预测

整体结构：

基因组
                   |
                   |
单细胞RNA -------- AI -------- 蛋白组
                   |
                   |
空间转录组 ------ Virtual Cell
                   |
                   |
              药物刺激

                   ↓

          预测细胞未来状态

三、构建虚拟细胞需要哪些数据？

第一层：细胞“身份信息”

回答：

这个细胞是谁？

数据：

scRNA-seq

例如：

癌症：

Epithelial tumor cell

表达：

EPCAM
KRT8
KRT18
MYC

AI学习：

什么基因组合代表什么细胞。

用途：

• 自动细胞注释
• 新细胞类型发现
• 肿瘤亚群识别

第二层：细胞内部状态

回答：

这个细胞现在处于什么状态？

例如：

同样都是T细胞：

可能：

Naive T cell

↓

Activated T cell

↓

Exhausted T cell

关键：

不是看细胞名字。

而是看：

状态空间（cell state space）

这也是虚拟细胞区别于传统分析的重要地方。

第三层：空间环境

这是与你研究最相关的部分。

传统单细胞：

知道：

癌细胞
T细胞
CAF

但是不知道：

它们在哪里？

空间转录组加入：

位置关系

例如：

肿瘤：

Tumor

   ↓

CAF

   ↓

T cell exclusion

AI可以学习：

为什么某些区域：

免疫有效？

为什么某些区域：

免疫逃逸？

未来：

Visium、Xenium、CosMx、MERFISH 等空间技术会成为虚拟细胞的重要数据来源。

第四层：分子机制

这是连接结构生物学的地方。

例如：

EGFR突变：

EGFR WT

↓

L858R mutation

↓

蛋白构象改变

↓

ATP结合改变

↓

药物敏感性改变

未来虚拟细胞可以连接：

基因突变

↓

蛋白结构

↓

分子动力学

↓

细胞表型

形成：

真正的：

“从分子到细胞”的模拟。

四、虚拟细胞最重要的科研应用

1. 新药研发（最大应用）

传统药物研发：

10000个化合物

↓

细胞实验

↓

动物实验

↓

临床

周期：

10年以上。

虚拟细胞：

模拟：

药物A

↓

癌细胞模型

↓

预测：

EGFR下降

MAPK下降

细胞死亡增加

筛选：

最可能有效药物。

应用：

癌症药物

例如：

肺癌：

EGFR L858R

↓

预测：

奥希替尼
吉非替尼
阿法替尼

哪个最佳

2. 精准医学（未来核心）

未来患者：

采集：

WES
+
scRNA
+
Spatial
+
Proteomics

建立：

患者虚拟细胞。

然后：

测试：

药物A

↓

预测响应80%

药物B

↓

预测响应20%

类似：

建立：

“数字病人”。

3. 预测基因功能

过去：

发现基因：

不知道功能。

实验：

敲除：

需要：

数月。

虚拟细胞：

输入：

BRCA1 knockout

预测：

DNA repair下降

HRD增加

PARP inhibitor敏感

然后实验验证。

4. 癌症微环境研究

这是空间组学最大的应用。

例如：

HNSCC：

发现：

p-EMT区域。

虚拟细胞：

模拟：

癌细胞

↓

释放OSM

↓

激活巨噬细胞

↓

形成免疫抑制

预测：

阻断：

OSM

TGFβ

PD1

是否恢复免疫。

5. 免疫治疗预测

例如：

PD-1治疗。

为什么：

患者A有效？

患者B无效？

虚拟细胞分析：

T cell状态

+

Tumor antigen

+

CAF barrier

+

Macrophage

预测：

治疗效果。

五、目前代表性的技术路线

1. 单细胞基础模型

类似：

ChatGPT。

代表：

• scGPT
• Geneformer
• scFoundation

作用：

学习：

基因-细胞关系

2. 多模态虚拟细胞模型

整合：

RNA

DNA

Protein

Spatial

Image

目标：

完整细胞模型。

3. 扰动预测模型

最重要。

问题：

如果：

改变一个变量

会怎样？

例如：

输入：

Drug treatment

输出：

gene expression change
cell fate

六、虚拟细胞与你目前研究方向的关系

你目前关注：

外显子测序

↓

单细胞

↓

空间转录组

↓

结构预测

↓

分子对接

↓

GROMACS

未来完整流程：

患者样本

↓

WES发现突变

↓

scRNA发现细胞状态

↓

Spatial发现空间生态位

↓

Virtual Cell模拟疾病过程

↓

AI寻找关键靶点

↓

AlphaFold预测结构

↓

Docking筛药

↓

GROMACS验证稳定性

↓

药物设计

这就是未来：

AI驱动精准医学闭环。

七、目前最大挑战

虽然前景巨大，但还没有达到“真正模拟一个细胞”。

主要问题：

1. 数据不足

一个细胞包含：

约：

数万个基因
百万级蛋白事件
复杂动态网络

目前数据仍不足。

2. 生物机制复杂

AI可以预测：

但：

为什么？

仍需要实验。

3. 时间尺度问题

细胞变化：

秒级：
蛋白反应

小时：
转录变化

天：
细胞命运改变

需要多尺度模拟。

八、未来10年的方向

未来实验室可能变成：

现在：

提出假设

↓

实验

↓

分析

未来：

AI Virtual Cell

↓

提出预测

↓

机器人实验验证

↓

数据反馈AI

↓

模型升级

形成：

AI + 自动实验 + 生物学闭环。

一句话总结

虚拟细胞不是一个软件，而是未来生命科学的“数字实验平台”。

它试图建立：

一个能够连接基因、RNA、蛋白、空间、结构、药物和疾病表型的人工智能细胞模型。

对于：

单细胞空间转录组 + 癌症微环境 + 分子对接 + GROMACS

虚拟细胞几乎是未来10年最值得布局的交叉方向之一。

生活很好，有你更好。