在电脑里，以四维方式让最简基因组细胞“活”起来

所谓虚拟细胞，就是把一个细胞在电脑里重建出来、让它像真细胞一样运转，从而在计算机里做实验、做预测。这件事眼下有两条路：一条靠 AI 从海量数据里学，一条靠机理把已知规律一块块搭起来。我们不从最热闹的 AI 模型讲起，而是先看机理最扎实的一端：一个把最简细菌的一生逐个分子在电脑里跑完的全细胞模型。原因很简单：要判断后面那些 AI 虚拟细胞到底靠不靠谱，得先有一把对得上真实实验的"尺子"。

如果能把一个细胞完整的一生，即从出生到分裂成两个新细胞，原封不动地搬进电脑，你能看到什么？基因什么时候开始复制，核糖体什么时候够用，膜什么时候长到该长的大小，这些问题过去只能靠拼凑不同实验的数据来猜测和推断，很难在同一个框架里被连贯地回答。2026年4月，《Cell》发表了一篇来自伊利诺伊大学厄巴纳-香槟分校团队的研究，题为《在电脑里，以四维方式让最简基因组细胞“活”起来》。研究团队构建了一个能完整模拟JCVI-syn3A（目前已知基因组最精简、仍能自主生长分裂的合成细菌）约100分钟完整细胞周期的四维（空间+时间）整合模型，第一次把代谢网络、基因表达、染色体复制和细胞分裂这几件事，放进同一个计算框架里同时跑完，而不是分开建模再拼凑结果。

一、把四种计算方法拼在一起，让一个细胞真正“跑”起来

过去的整细胞计算模型大致分两类：原子级模型能看清分子结构的细节，但只能模拟远小于1秒的极短时间；反应动力学模型能跑完整个细胞周期，却把细胞当成一个“搅拌均匀”的反应罐，看不到蛋白质、RNA在三维空间里真实的扩散、定位和相遇过程。早在2012年，就有团队发表过首个覆盖全部基因的整细胞动力学模型，但那类模型同样停留在“搅拌均匀”的假设上。这两类方法各有所长，却都没法回答“一个细胞在真实的三维空间里，如何完整地活过一次”这个问题。

研究团队选择了JCVI-syn3A作为建模对象，这是J. Craig Venter研究所团队从头精简出来的合成细菌，只保留493个基因，倍增时间约105分钟，却仍能正常生长分裂，是目前“从头理解生命规则”研究里公认最合适的最小平台。团队把四种各有分工的计算方法拼接成一套流程：反应-扩散主方程负责描述空间中的随机反应与分子扩散，化学主方程负责描述细胞整体层面的随机反应，常微分方程负责描述代谢网络的通量，布朗动力学负责描述染色体这条长链的物理运动。这四种方法按不同的时间频率互相通信、交换状态（图2），最终跑出了50个独立重复的完整细胞周期，每个重复大约需要4到6天、消耗约250个GPU小时。

图2. 4DWCM混合模拟算法流程图

二、模型算出来的倍增时间，和实验测的几乎一样

检验一个整细胞模型靠不靠谱，最直接的办法是看它算出来的关键数字，能不能对上实验实测的数字。模型预测细胞膜倍增需要105分钟，与实验测得的倍增时间105分钟几乎完全吻合；模型同时预测了DNA复制起点与终点的测序覆盖度比值为1.28，而团队自己做的全基因组测序显示实际比值在1.21左右，两者相当接近。团队还用荧光成像给1319个细胞拍照分类，发现79.5%呈球形、11.6%处于分裂早期的椭球状、4.7%正在分裂——这个形态分布，与模型模拟出的细胞周期节奏基本对应（图4）。

图4. 4DWCM准确复现实验结果

三、基因表达不是匀速的，而是充满随机的“卡顿”

因为模型追踪了每一次转录、翻译和降解事件，团队得以看清基因表达在单个细胞里到底有多“随机”。复制起始的时间点在不同细胞里差异很大，多数细胞在细胞周期开始后15分钟内就启动了DNA复制，但也有细胞拖到46分钟才启动，却依然能在2小时内完成复制和分裂（图5）。团队还发现，50个模拟细胞里，总共有81个基因曾在某一到三个细胞周期里完全没有被转录过，但这并不代表细胞出了问题，只要蛋白质能从上一代继承下来，偶尔“漏转录”一次并不影响细胞存活。此外，由于模型暂时没有纳入多聚核糖体这一机制，一部分序列较长的蛋白质在模拟中略微生产不足，这也是团队明确指出的模型局限之一。

图5. 基因表达与大分子组装的动态过程

四、分裂时，子细胞分到的“家当”也是随机的

细胞分裂时，核糖体、降解体等大分子复合物如何分配给两个子细胞，同样是这个模型能够直接预测的内容。团队发现，核糖体、降解体、跨膜转运蛋白PtsG等在两个子细胞之间的分配，近似服从二项分布，没有明显偏向某一侧子细胞（图6）。这意味着即便没有专门的分配机制，仅凭随机扩散，子细胞之间也能大致均分资源，但也会带来天然的“个体差异”，这可能是同一批细胞长大后表现不完全一致的原因之一。

图6. 分裂后大分子在子细胞间的随机分配

总结

这项研究本身是一次工程量巨大的整细胞计算实践：作者把四种各有所长的计算方法拼接成一套统一框架，完整跑出了合成最简细菌50个独立的四维细胞周期，并且在倍增时间、DNA复制节奏、细胞形态分布等多个维度上，让模拟结果与真实实验数据对上了号。作者也坦承局限，多聚核糖体等重要机制尚未纳入，一些关键动力学参数仍借用自大肠杆菌等其他物种，计算成本也相当高昂，目前还只能覆盖较小规模的细胞群体。这类机制驱动、逐个分子可追溯的整细胞模型，为验证和校准更大规模的AI虚拟细胞，提供了一把扎实可对照的“标尺”。

正雅生物

常州正雅生物科技有限公司（Changzhou Zhengya Biotechnology Co., Ltd）是一家以虚拟细胞模型为核心技术，开发功能菌群设计与虚拟细胞敲降模型等应用的科技企业，致力于推动技术研发与产业转化的深度融合。公司汇聚计算生物学、生物信息学、发酵工艺等多学科交叉的硕博技术团队，核心成员均来自国内外顶尖科研机构与生物医药企业，精通机制驱动与数据驱动双轨建模策略，擅长整合多维组学数据构建高保真度虚拟细胞系统，已在Nature Genetics、Advanced Science、Food Research International等期刊发表多篇高水平成果，部分核心算法获国家发明专利授权。公司自主打造基于虚拟细胞模型的理性设计计算平台，推动生物制造从“经验驱动”向“理性设计”转型，愿与客户及合作伙伴携手共创更理性、更高效的生物制造新未来。