文章核心观点 - 西湖大学李子青团队联合多家机构在顶级期刊发表前瞻性文章，首次正式提出并定义了“AI虚拟代谢”这一开创性概念，确立了以“AI+多组学”驱动代谢网络重构的AGI for Science研究新范式，旨在填补“AI虚拟细胞”蓝图中的核心空白，为国际虚拟代谢研究指明新方向[2][4] AIVM提出的背景与核心挑战 - 细胞代谢网络是生命活动的底层操作系统，但传统生化重构方法受限于实验数据稀缺，难以应对高度分支的代谢路径和复杂调控机制[5] - 现有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[5] - 核心挑战在于让AI不仅能推演化学反应，更能“理解”细胞内的酶特异性、热力学边界及复杂系统调控，这是通往数字细胞孪生的必经之路[5] AIVM的核心范式与框架 - AIVM框架是一个包含三大维度的系统性工程，旨在超越简单的路径预测[7] - 维度一：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，实现细胞功能的层次化表征捕捉[7] - 维度二：引入严格的生物学约束过滤器，包括酶特异性、热力学可行性及细胞环境约束，确保生成的代谢路径在生物学上具有真实可行性[7] - 维度三：实现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的结合，能够从设计单一生物合成路径扩展到对整个细胞代谢网络的动态模拟与优化[7] AIVM的未来愿景与行业影响 - AIVM标志着代谢工程研究从“规则驱动”向“发现驱动”的转变，AI的角色进化为真正的“AI代谢科学家”[8] - 基于大语言模型的智能体能够耦合多组学特征与全基因组代谢模型的拓扑结构，自主提出新代谢路径假设、推荐酶改造方案，并完成干湿实验闭环验证[8] - 该范式是通往完备虚拟细胞的关键一步，为理解生命运作原理提供了全新视角，并为微生物底盘优化、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[8] 研究团队背景与发展定位 - 通讯作者李子青教授指出，AI虚拟细胞的宏伟蓝图是未来五年全球科研机构与科技巨头竞相角逐的战略高地[9] - 其指导的百图生科团队在首届世界虚拟细胞挑战赛中击败全球上千支队伍荣获冠军，证明了在单细胞基因表达预测与扰动模拟方面具备国际领先的竞争力[9] - 现有虚拟细胞挑战赛聚焦基因调控网络，但缺少代谢维度，因此提出AIVM概念，旨在将已验证的基因调控能力与新的代谢重构能力相结合，以逼近一个“活”的数字细胞孪生[9] - AIVM概念的提出是第一步，团队正联合多方力量基于新范式进行高强度科学攻关[9]