Towards the construction of a virtual yeast
（迈向虚拟酵母的构建）
一、 基本信息
标题： Towards the construction of a virtual yeast（迈向虚拟酵母的构建）
期刊： Nature (Perspective)
发表时间： 2026年7月
第一/通讯单位： 西湖大学郭天南团队领衔，联合海内外众多顶尖科研机构与AI专家共同撰写。
核心内容： 提出了一种由人工智能（AI）驱动的虚拟酵母（Virtual Yeast）智能体（Agent）框架，旨在通过整合多模态生物数据、机理推理和自动化主动实验，构建首个具有预测性和可控性的真核细胞多尺度计算模型。
二、 研究背景与立论依据
从单分子AI向全细胞模拟的跨越：
近年来，AI在生命科学领域（如AlphaFold、Geneformer等）实现了从大规模数据中学习并向未知空间推演的能力。然而，孤立研究单个分子无法捕获生命的复杂性。构建全细胞模型是模拟人类疾病、揭示生命机制以及加速生物工程设计的关键前沿。
模式生物的选择：
早期的全细胞建模多集中于原核生物（如生殖支原体、大肠杆菌）。本研究选择酿酒酵母（Saccharomyces cerevisiae）作为真核模式生物，因其具有相对精简的基因组、清晰的遗传背景和丰富的多组学积累，是跨越“从基因组到全细胞表型”层级鸿沟的最佳切入点。
传统模型的局限：
传统的全基因组尺度代谢模型（GEMs）高度依赖经典生化规则，难以整合碎片化的多组学数据集，且在不同细胞状态下的泛化能力较差。
三、 核心架构：八大功能模块与LLM编排层
为了将全细胞的计算复杂性降至可控范围内，虚拟酵母采用分布式、模块化的智能体架构，将细胞分解为八个以功能为中心的互联模块（专家模型）：
膜系统（Membrane systems）： 协调内膜结构、囊泡运输和跨细胞器的脂质合成。
遗传核心（Genetic hubs）： 整合核内组织、基因组稳定性、转录控制和细胞周期进程。
线粒体能量学（Mitochondrial energetics）： 调控氧化磷酸化、氧化还原平衡以及与衰老相关的代谢动态。
细胞质代谢（Cytosolic metabolism）： 涵盖中心碳代谢、氨基酸与核苷酸生物合成、营养感应和代谢储存。
生物合成网络（Biosynthetic networks）： 管理蛋白质翻译、折叠、翻译后修饰（PTM）以及内质网-高尔基体介导的质量控制。
细胞骨架框架（Cytoskeletal framework）： 整合肌动蛋白、微管和细胞壁重塑，支持细胞形态建成与胞内运输。
应激处理器（Stress processors）： 包含应激颗粒、加工体及氧化解毒系统，调控RNA质量控制与适应性重塑。
降解机制（Degradation machinery）： 包括蛋白酶体和液泡途径，执行自噬、蛋白质水解和细胞器回收。
编排与协同机制：
每个功能模块规模约为 $10^7$ 至 $10^8$ 参数，基于特定领域的测量数据进行微调。在这群专家模型之上，建立了一个基于大语言模型（LLM）的更高层编排层（Orchestration layer）。该层利用多模态编码器-解码器将异构输入（文本、组学、图像）嵌入统一的 latent 空间。面对复杂的生物学提问，LLM作为动态规划器，通过混合专家系统（MoE）或工具调用（Tool calling）机制，精准路由并激活部分模块进行协同推理。
四、 三大数据支柱
虚拟酵母的构建和推演极度依赖以下三大底层数据：
先验知识（A priori knowledge）： 利用BioGPT、INDRA等工具将零散的文献和精选数据库（如SGD、YMDB、YeastNET）转化为可查询的知识图谱（Knowledge Graphs），作为强化学习的因果机制约束。
亚细胞空间结构（Subcellular architecture）： 利用高分辨率空间组学（如Stereo-seq）、超分辨显微镜（STED/DNA-PAINT）以及冷冻电子断层扫描（Cryo-ET），在Ångstrom到微米尺度上构建出三维细胞空间图谱。
动态扰动状态（Dynamic states）： 包含遗传（基因敲除、过表达）、化学（小分子抑制剂）和环境（温度、辐射）扰动的时序多组学数据集，用于捕捉细胞从平稳期到应激态的过渡逻辑。
五、 核心方法：主动学习与自动化实验闭环（AI Flywheel）
为了解决数以亿计的扰动组合的复杂性，该研究引入了基于主动学习（Active Learning）的自动化闭环实验框架（WAY-AL v0.1）：
科学设想与生成： 框架中的条件生成模型（如变分自编码器、扩散模型、流匹配模型）模拟概率性的细胞轨迹，并对未知的扰动做出预测。
不确定性评估与扰动筛选： 预测结果会通过不确定性量化（Uncertainty Quantification）进行评估。利用强化学习或贝叶斯优化策略，专门筛选出那些预测不确定性最高、包含信息量最大的扰动条件组合。
机器人自动化实验： 选出的高价值扰动方案直接传输给高通量自动化机器人流水线（整合样品处理、SWATH质谱蛋白质组学和代谢组学分析等），在真实生物体（酿酒酵母）中执行实验。
迭代反哺： 新生成的真实数据被自动重新注入AI模型中进行训练，修正模型边界。这种自我强化的“AI飞轮（AI Flywheel）”能够在有限的实验预算下极大提高模型精度。
六、 实际应用与科学意义
首个原型交付（代谢与合成生物学工具）：
文献展示了首个成功落地的功能模块。研究人员通过从969株天然酵母中筛选出具有代表性的12种异构菌株，在200多种环境和化学扰动下，测定了超过15000个蛋白质组图谱和5000个代谢组测量值。该模块通过在生成模型中嵌入传统的GEMs以约束 latent 空间，确保结果符合生化机理规则，其在预测细胞内代谢物浓度和通量重分布方面的表现大幅超越了经典动力学模型。
合成生物学菌株的逆向设计：
能模拟高价值和工业相关代谢物在复杂扰动下的通量重分配，预测产量瓶颈，从而指导工程菌株的理性逆向设计，实现高产、高转化率。
基础生物学与药物筛选：
模拟细胞周期、减数分裂和衰老过程中的时空动态，揭示寿命权衡等科学假说；同时可将酵母作为真核细胞底物，批量评估化学文库，发现合成致死效应及耐药性机制。
可迁移的真核全细胞模型蓝图：
酿酒酵母的核心生命活动（细胞周期、DNA修复、囊泡运输等）在功能模块层面上与人类高度保守。以此建立的框架将成为后续构建更复杂的多细胞生物或人类虚拟细胞的可迁移通用蓝图。
七、 局限性与未来挑战
多尺度整合的垂直逻辑断层： 现有的AI模型多擅长处理“水平”关联（如蛋白质网络），但在“垂直层级”（如将转录调控直接映射到代谢通量变化，或将小分子结合映射到蛋白质空间构象改变）上依然缺乏足够的解析力。
空间组学的高通量瓶颈： 质谱法等空间组学手段空间分辨率和吞吐量相对较低，难以完全跟上主动学习飞轮的数据饥饿需求。
因果关系与统计相关性的混淆： 数据驱动的模型容易产生伪相关。未来需进一步引入“以因果关系为导向”的计算框架，将调控结构发现转化为连续优化问题，以提高反事实预测（Counterfactual prediction）的准确度。
转载本文请联系原作者获取授权，同时请注明本文来自金哲浩科学网博客。
链接地址：https://wap.sciencenet.cn/blog-1708934-1542116.html?mobile=1
收藏
