AI颠覆细胞代谢通路重建，西湖大学等单位联合提出AI虚拟代谢

将 ScienceAI 设为星标

第一时间掌握

新鲜的 AI for Science 资讯

细胞代谢网络是生命活动的底层操作系统。然而，传统生化重构方法受限于实验数据的稀缺，难以应对高度分支的代谢路径和复杂的调控机制。与此同时，现有的 AI 方法多停留在静态的、基于模板的化学反应预测层面，无法模拟生命体内多步骤、自适应的动态过程。

如何让 AI 不仅能推演化学键的断裂与生成，更能「理解」细胞内的酶特异性、热力学边界以及复杂的系统调控？这是通往数字细胞孪生的必经之路，也是一片极具挑战的科研无人区。

最近，西湖大学联合上海人工智能实验室、百图生科和上海创智学院提出并定义了「AI 虚拟代谢」（AI Virtual Metabolism, AIVM）这一开创性概念，确立了以「AI + 多组学」驱动代谢网络重构的 AGI4S（AGI for Science）研究新范式。

作为实现「AI 虚拟细胞」（AI Virtual Cell, AIVC）宏伟蓝图中不可或缺且挑战最大的核心环节，AIVM 的提出填补了当前领域的空白，为虚拟代谢研究指明了全新方向。

研究论文以《Artificial Intelligence Revolutionizes Cellular Metabolic Pathway Reconstruction》为题发表在细胞出版社 (Cell Press) 旗下期刊 Trends in Biochemical Sciences 上。

论文地址：https://doi.org/10.1016/j.tibs.2026.01.003

逆合成思维与生物约束的深度融合

现有研究大多聚焦于基因调控网络，这对于构建一个完备的 AI 虚拟细胞而言是必要的，但绝非充分的。生命中心法则的终点是代谢，细胞的物质与能量交换核心也在代谢。缺少代谢维度的虚拟细胞，是不完整的。

研究团队提出了一套全新的概念框架 ——AIVM（AI Virtual Metabolism）。该框架并未止步于简单的路径预测，而是构建了一个包含三大维度的系统性工程：

1. AI 与多组学的深度融合：利用在基因组、转录组、蛋白组和代谢组等多组学数据上训练的大语言模型（LLM），实现细胞功能的层次化表征捕捉。

2. 严格的生物学约束过滤器：不同于体外化学合成，AIVM 引入了酶特异性、热力学可行性（如 Gibbs 自由能计算）及细胞环境约束，确保生成的代谢路径在生物学上具有真实可行性。

3. 从单路径到全基因组模型：通过图搜索等算法与全基因组代谢模型（GEMs）的结合，AIVM 能够从设计单一生物合成路径（如青蒿酸的生物合成）扩展到对整个细胞代谢网络的动态模拟与优化。

AI 科学家（AI Scientist）与数字细胞孪生

AIVM 的提出，标志着代谢工程研究从「规则驱动」向「发现驱动」的转变。在该范式下，AI 的角色不再仅仅是辅助工具，而是进化为真正的「AI 代谢科学家」。

通过耦合多组学特征与 GEMs 的拓扑结构，基于 LLM 的智能体（Agent）能够捕捉非线性的生物学依赖关系，自主提出新的代谢路径假设、推荐酶的改造方案，并完成干湿实验闭环验证等。

这一突破性范式的建立，是通往完备虚拟细胞的关键一步。如果说 AIVC 是合成生物学的「圣杯」，那么 AIVM 就是点亮这座圣杯的核心火种。它不仅为理解生命运作原理提供了全新视角，更为微生物底盘优化、高价值化合物的绿色制造以及精准医疗提供了强大的理论与工具支持。

结语

从数据空白到范式确立，这项工作展示了 AI for Science 在生命科学领域的巨大潜力。尽管完全替代湿实验试错仍需时日，但 AIVM 已为我们描绘了一个可编程、模块化且符合生物学原理的「虚拟细胞」未来图景。