科学家们希望通过生成式AI来简化细胞研究，创建一种能够像真实细胞一样对刺激作出反应的AI虚拟细胞。这将允许研究人员在计算机上而不是活体细胞上进行医学实验，从而提高研究的效率和降低成本。
生物学的语言
提高对细胞的理解可能对公共健康产生重大影响。然而，《大西洋月刊》指出：“在这个微观领域的实验往往是一种猜测；即使成功也常常令人困惑。”卡内基梅隆大学计算生物学教授兼AI驱动生物医学研究中心主任Jian Ma在接受《华盛顿邮报》采访时解释说，不同的细胞类型对不同的刺激（如药物和疾病）有不同的反应，“每种细胞类型——无论是神经元、肌肉细胞还是皮肤细胞——表达一组独特的基因”。
由于细胞的复杂性，细胞研究通常需要很长时间，但卡内基梅隆大学计算机科学家、穆罕默德·本·扎耶德人工智能大学校长Eric Xing表示，利用人工智能“解码并说出生物学的语言”可以加快这一过程。
技术提供的机遇
《细胞》杂志的一篇文章指出，现代技术提供了“开创性的机会，可以通过多尺度、多模态大型神经网络模型来创建AI虚拟细胞，这种模型可以代表和模拟分子、细胞和组织在不同状态下的行为”。AI模型甚至有可能模拟整个器官。
然而，要使AI细胞模型被认为是成功的，它需要“赋能研究人员在不同物种和细胞类型之间创建通用表示”，并且“准确预测细胞功能、行为和动力学，理解细胞机制”，斯坦福大学表示。此外，它还需要在计算机上以更高的速度和更低的成本进行实验，而不仅仅是实际细胞。
巨大的项目
尽管技术正在迅速发展，但创建AI细胞仍然是一项艰巨的任务。它需要将多个不同生物功能的基础模型整合到一个模型中。“科学家们还没有弄清楚所有必要的模型，更不用说如何组装它们了”，《大西洋月刊》报道。实际上，这是一个“巨大的项目，类似于基因组项目，需要跨学科、行业和国家的合作，我们理解完全功能的模型可能需要十年或更长时间才能可用”，斯坦福大学生物工程和病理学副教授Emma Lundberg说道，她也是《细胞》文章的高级作者。
虽然这项技术有明显的益处，但生成式AI也有其缺点。研究表明，它可能会强化人类的隐性偏见，尤其是在性别和种族方面。“来自人类和模型生物（如小鼠和大肠杆菌）的数据在序列和文献数据库中存在不平等的代表性，这些数据用于训练时会编码强烈的物种偏见”，《细胞》文章指出。“其他偏见，例如在性别、特定疾病或人类祖先群体方面的偏见，也可能降低[AI虚拟细胞]模型的影响”。
(全文结束)
