财π新闻 10月7日，由马克·扎克伯格和普莉希拉·陈支持创立的非营利科研机构Biohub正式宣布进一步扩大“虚拟生物学计划”，联合美国能源部、美国国立卫生研究院、“深度思维”、Isomorphic Labs和Meta等多家机构，汇集约18亿美元的资金、数据、算力与实验测量资源，为下一代生物学人工智能模型建设搭建开放数据基础设施。这一举措并非单一机构的独立行动，而是近期全球AI企业与生命科学领域主体向生物学研究链条上游延伸这一共同趋势的典型体现，越来越多相关主体不再局限于利用现成公开数据开发AI模型，而是主动参与到实验设计、数据采集等更靠前的研究环节，推动整个生物学研究的技术路径发生新的变化。

“虚拟细胞”建设直面生物数据核心短板

“虚拟细胞”的核心定义是利用AI模型在计算机中构建细胞的“数字镜像”，能够模拟细胞在受到药物作用、基因编辑操作或是外部环境变化等不同干预后可能发生的各类反应。要让AI模型真正具备这种精准预测细胞行为的能力，必须依托大量高质量、体系化的生物学实验数据作为支撑。当前已有的公开生物学数据大多仅用于描述基因、蛋白质的基础特征或是细胞的常规状态，系统记录细胞在受到不同干预后完整变化过程的数据仍然存在明显缺口，且这些分散在不同实验项目、各类数据库中的数据缺乏统一的记录标准，不同机构产出的数据格式、实验条件标注差异较大，很难直接整合用于大规模AI模型训练。

Biohub首席科学家亚历克斯·里夫斯在接受Axios网站采访时表示，当前生物学领域面临的一大核心挑战，就是弥合计算机构建的数字世界与真实生命运行规律之间的鸿沟，而高质量的标准化数据正是连接这两个领域的关键载体。他指出，目前全球已有的公共细胞数据集已经包含数亿个细胞的观测信息，但要训练出能够准确预测细胞复杂行为的成熟模型，未来可能需要数十亿乃至数万亿个细胞的相关测量数据。为了填补这一数据缺口，Biohub计划扩大冷冻电子断层扫描、大规模显微成像和高通量细胞干预实验等先进技术的应用范围，系统采集细胞内部精细结构、分子动态活动，以及细胞对外界各类刺激的完整反应等多维度信息，同时推动所有参与该计划的机构采用统一的数据记录标准，保障不同来源的数据能够互通互联。

按照该机构的规划，希望在约一年内形成首批新的大规模标准化数据集，并在未来五年推动建立具备较强预测能力的生物学AI模型。此前Biohub已经在相关领域积累了多项细胞测量和数据研究成果，其中Tabula Sapiens项目收录了人体多个器官的单细胞信息，OpenCell项目聚焦研究人体细胞内蛋白质的位置及相互作用规律，CELL×GENE则为全球科研人员检索和分析单细胞数据提供了便捷的工具支撑，这些前期项目的积累构成了Biohub进一步开展大规模细胞数据建设的坚实基础。

新路径推动药物研发范式发生转变

Biohub希望通过扩大后的“虚拟生物学计划”开发出成熟的“虚拟细胞”系统，让AI模型充分学习细胞内部复杂的分子交互关系，进而实现对细胞在不同条件下反应的精准预测。亚历克斯·里夫斯表示，准确的生物学预测模型有望让科学家在数字环境中完成部分前期实验环节，大幅加快科学发现的整体进度，同时帮助科研人员更深入地理解各类疾病的发生机制，探索全新的疾病治疗途径。

深圳华大生命科学研究院副院长金鑫在接受科技日报记者采访时表示，Biohub探索的这条技术路线有望推动整个药物研发范式发生根本性转变。传统的AI药物研发模式，主要是利用已有的公开数据训练模型，集中解决靶点发现、蛋白质结构预测和药物筛选等具体细分问题。而新的技术路线则是根据AI模型的训练需求主动设计实验，生成大规模的标准化数据，再利用模型的预测结果反过来指导后续实体实验的开展，最终形成“数据生成—模型训练—实验验证”的完整闭环。

金鑫认为，这一路线和传统做法最根本的不同，是从过去“用AI分析已有的生物学数据”，转向有组织地规模化生产高质量的专属数据集，让AI深度参与并加速生物学新知识的生产过程。这种模式下，AI不再是被动处理已有存量数据的工具，而是成为驱动整个生物学研究链条向前推进的核心动力，能够大幅降低传统研究模式中数据分散、标准不统一带来的各类效率损耗。

多领域主体共同入局生物数据建设赛道

Biohub的相关行动并非行业内的孤立事件，近期全球范围内的AI企业和生命科学公司都在持续加大投入，将业务边界延伸到数据生产、实验测量和自动化研究等上游环节。9月，OpenAI基金会宣布投入超过1.25亿美元，专门支持面向AI研究的生物医学公共数据建设工作。据外媒报道，Anthropic已经在旧金山湾区建立了专属的生物实验室，将AI研究从传统的计算机模拟环节延伸到实体生物实验领域，他们希望借助AI的能力探索传统药企较少涉足的疾病研究领域，目前相关项目尚未进入临床试验阶段。10月7日，生命科学企业丹纳赫也宣布将在2027年初启用AI驱动的自主研究实验室，专门用于抗体的设计、构建和测试工作，该系统有望将亲和试剂的发现速度提高至传统方法的8倍，不过实际运行效果仍有待后续实际应用的验证。

根据相关公开信息，本次“虚拟生物学计划”汇集的约18亿美元资源并不全是新增现金投入，其中Biohub自身投入5亿美元，美国能源部未来五年投入超过5亿美元，美国国立卫生研究院将协调使用此前超过5亿美元联邦投资形成的数据和科研设施，“深度思维”、Isomorphic Labs和Meta三家机构合计投入3亿美元。Biohub作为独立的非营利研究机构，并不隶属于Meta，不过Meta既是该计划的投资方，也为Biohub提供部分AI技术和人才支持。

数据开放规则与产业新趋势逐步清晰

Biohub希望参与该计划的不同机构产生的数据能够实现相互关联，共同用于下一代生物学AI模型的训练工作，不过这种开放并不意味着所有新生成的数据都会立即向所有人开放。据Axios网站报道，参与该计划的商业合作方对其参与开发的数据享有一年的独家使用期，期满之后这些数据才会向公众开放，而由政府资助产出的数据则没有这类 embargo 限制。这样的安排既为商业企业参与大规模生物数据建设提供了足够的激励，也意味着不同来源数据资源的开放时间和具体使用条件可能存在一定差异。

金鑫表示，标准化的开放数据将大幅降低AI药物研发的技术门槛，让更多中小科研机构和创新企业有机会参与到相关领域的创新工作中。随着高质量生物数据逐步向公众开放，整个产业的竞争重点也可能从单一的数据资源优势或是算法优势，转向高质量数据生产、通用模型开发、实验验证和临床转化等全链条环节的综合能力比拼。他同时认为，未来中国可以进一步发挥自身在人群队列、临床资源、多组学检测和AI技术领域的综合优势，推动大规模人群研究与细胞功能实验深度融合，在全球开放生物学数据体系和下一代生物学基础模型建设过程中发挥更大的作用。

需要明确的是，生物数据的规模扩大并不必然带来AI模型预测能力的同步提升，Biohub探索的这条全新路线能否真正加快药物研发的整体进程，仍需通过后续产出的数据质量、模型实际表现和实体实验结果来逐步检验。

(编辑：杨学萍)