How to Build the Virtual Cell with Artificial Intelligence: Priorities and Opportunities

细胞可以说是生命的最小单位，对于理解生物学至关重要。准确地建模细胞对于这种理解以及确定疾病的根本原因都非常重要。人工智能（AI）的最新进展，结合生成大规模实验数据的能力，为细胞建模提供了新的机会。在这里，我们提出了一个由AI驱动的虚拟细胞的愿景，其中细胞和不同条件下的细胞系统的强大表示是直接从跨度和尺度的生物数据中学习的。我们讨论了AI虚拟细胞的期望能力，包括在不同尺度上生成生物实体的通用表示，并利用虚拟仪器促进可解释的模拟实验，以预测和理解它们的行为。我们进一步讨论了实现这一愿景所面临的挑战、机遇和要求，包括数据需求、评估策略以及社区标准和参与，以确保生物准确性和广泛实用性。我们展望未来，AI虚拟细胞有助于识别新的药物靶点，预测细胞对干扰的反应，以及扩大假设探索的规模。通过跨学科的开放科学合作，包括学术界、慈善机构、生物制药和人工智能产业，我们可以实现对细胞机制和相互作用的全面预测性理解。

本论文旨在提出一种基于人工智能的虚拟细胞模型，以更准确地模拟细胞的行为，从而有助于理解生物学和疾病的根本原因。

该论文提出了一种基于人工智能的方法，通过对生物数据进行学习，直接生成不同条件下的细胞和细胞系统的强大表示。这种方法可以生成跨尺度的生物实体的通用表示，并使用虚拟仪器促进可解释的模拟实验，以预测和理解它们的行为。

该论文的亮点包括使用人工智能生成虚拟细胞模型，有望帮助发现新的药物靶点、预测细胞对干扰的反应以及扩展假设探索。此外，论文还讨论了实现这一愿景所需的挑战、机遇和要求，包括数据需求、评估策略以及社区标准和参与。

最近在这个领域中，还有一些相关研究。例如，"Deep learning enables robust assessment and selection of human blastocysts after in vitro fertilization"和"Deep learning to automate the diagnosis of fetal alcohol spectrum disorder"。