摘要

生成式人工智能（Gen‑AI）在多项生物学研究领域表现亮眼，涵盖蛋白质折叠、从头蛋白设计、致病突变预测。但这些分子层面的成功，能否拓展至免疫学、肿瘤学、神经退行性疾病等领域的细胞与多细胞层面研究，目前尚不明确。造成该局面的原因包括：决定细胞与生命体行为的分子机制错综复杂、高质量训练数据不足、绝大多数病理表型具备多细胞属性。亟需全新的生成式AI框架，将分子互作网络等已有生物学先验知识整合进来，同时提炼研究纲领，引导学界聚焦具备生物学价值、具备转化潜力的科学问题。借鉴希尔伯特23个数学难题（该纲领指引数学界１个多世纪的研究方向），本文提出15项重大AI挑战，用以引导生物医学领域研究者重点关注１批关键科学问题，其中绝大多数问题目前仍缺少有效的预测方法。

ac2248@cumc.columbia.edu

#生成式AI #细胞生物学 #基础大模型 #虚拟细胞 #多尺度建模 #细胞扰动 #多组学 #反事实仿真 #生物基准测试 #多细胞系统 

塑造生物学生成式AI未来的15大挑战

图1  15项生成式AI生物学挑战：从分子互做到临床转化

面向生成式AI研究社区的15项生物学挑战。

挑战按照建模目标分层组织：

(1) 分子互作（绿色）；

(2) 分子功能（蓝色）；

(3) 细胞/系统功能（紫红色）；

(4) 转化应用（橙色）。

中心：基础模型，在扰动数据与分子互作模型上训练。

表1  15项挑战对应的概念验证基准示例

详细总结

思维导图

mindmap脑图

论文信息

Level1：分子互作

Molecular‑level interactions

Level2：分子功能

Molecular function

Level3：细胞/系统功能

Cellular/systems function

Level4：临床转化

Translation

参考

Cell. 2026 Aug 17:S0092-8674(26)00802-0. doi: 10.1016/j.cell.2026.07.004. 

Fifteen challenges for generative AI applications to cell biology

注：AI辅助创作，如有不当欢迎指出。内容仅供参考，不构成任何建议。