天津
作者：論文團隊
編輯丨ScienceAI
細胞代謝網絡是生命活動的底層操作系統。然而，傳統生化重構方法受限于實驗數據的稀缺，難以應對高度分支的代謝路徑和復雜的調控機制。與此同時，現有的 AI 方法多停留在靜態的、基于模板的化學反應預測層面，無法模擬生命體內多步驟、自適應的動態過程。
如何讓 AI 不僅能推演化學鍵的斷裂與生成，更能「理解」細胞內的酶特異性、熱力學邊界以及復雜的系統調控？這是通往數字細胞孿生的必經之路，也是一片極具挑戰的科研無人區。
最近，西湖大學聯合上海人工智能實驗室、百圖生科和上海創智學院提出并定義了「AI 虛擬代謝」（AI Virtual Metabolism, AIVM）這一開創性概念，確立了以「AI + 多組學」驅動代謝網絡重構的 AGI4S（AGI for Science）研究新范式。
作為實現「AI 虛擬細胞」（AI Virtual Cell, AIVC）宏偉藍圖中不可或缺且挑戰最大的核心環節，AIVM 的提出填補了當前領域的空白，為虛擬代謝研究指明了全新方向。
研究論文以《Artificial Intelligence Revolutionizes Cellular Metabolic Pathway Reconstruction》為題發表在細胞出版社 (Cell Press) 旗下期刊Trends in Biochemical Sciences上。
論文地址：https://doi.org/10.1016/j.tibs.2026.01.003
逆合成思維與生物約束的深度融合
現有研究大多聚焦于基因調控網絡，這對于構建一個完備的 AI 虛擬細胞而言是必要的，但絕非充分的。生命中心法則的終點是代謝，細胞的物質與能量交換核心也在代謝。缺少代謝維度的虛擬細胞，是不完整的。
研究團隊提出了一套全新的概念框架 ——AIVM（AI Virtual Metabolism）。該框架并未止步于簡單的路徑預測，而是構建了一個包含三大維度的系統性工程：
1. AI 與多組學的深度融合：利用在基因組、轉錄組、蛋白組和代謝組等多組學數據上訓練的大語言模型（LLM），實現細胞功能的層次化表征捕捉。
2. 嚴格的生物學約束過濾器：不同于體外化學合成，AIVM 引入了酶特異性、熱力學可行性（如 Gibbs 自由能計算）及細胞環境約束，確保生成的代謝路徑在生物學上具有真實可行性。
3. 從單路徑到全基因組模型：通過圖搜索等算法與全基因組代謝模型（GEMs）的結合，AIVM 能夠從設計單一生物合成路徑（如青蒿酸的生物合成）擴展到對整個細胞代謝網絡的動態模擬與優化。
AI 科學家（AI Scientist）與數字細胞孿生
AIVM 的提出，標志著代謝工程研究從「規則驅動」向「發現驅動」的轉變。在該范式下，AI 的角色不再僅僅是輔助工具，而是進化為真正的「AI 代謝科學家」。
通過耦合多組學特征與 GEMs 的拓撲結構，基于 LLM 的智能體（Agent）能夠捕捉非線性的生物學依賴關系，自主提出新的代謝路徑假設、推薦酶的改造方案，并完成干濕實驗閉環驗證等。
這一突破性范式的建立，是通往完備虛擬細胞的關鍵一步。如果說 AIVC 是合成生物學的「圣杯」，那么 AIVM 就是點亮這座圣杯的核心火種。它不僅為理解生命運作原理提供了全新視角，更為微生物底盤優化、高價值化合物的綠色制造以及精準醫療提供了強大的理論與工具支持。
結語
從數據空白到范式確立，這項工作展示了 AI for Science 在生命科學領域的巨大潛力。盡管完全替代濕實驗試錯仍需時日，但 AIVM 已為我們描繪了一個可編程、模塊化且符合生物學原理的「虛擬細胞」未來圖景。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
