400万种配方快速筛选，虚拟细胞正重塑AI细胞重编程！

25种谱系调控因子，17种小分子药物加上8种蛋白类生长因子，能组合出近400万种方案，虚拟细胞+AI正在缩短这项曾需耗时十年的细胞命运调控研究。

全文共3078字，大约需要7分钟阅读

上周，西湖大学联合阿里巴巴达摩院，发布“归元”AI模型。据官方介绍，它能从近400万种药物和生长因子的组合里挑出最优方案，精准操控一个已拥有特定功能的成熟细胞命运，把它导向某一种特定的干细胞状态，精准调控了细胞命运

这次，归元造出来的第一批细胞，聚焦在下胚层样干细胞。下胚层，是胚胎在受精后第5到7天短暂现身的一小群细胞，参与胚胎着床生理过程，过去在实验室里，这种细胞几乎无法在人工设定环境下培养。

与此同时，在地球的另一侧，硅谷，同样是把AI对准细胞的命运，硅谷巨头们正用它去追一个终点：让人不老；而归元先照亮的，是生命的起点。

细胞重编程这门做了二十年的手艺，正在被AI改写成一道可以交给计算机去算的题。归元，只是这场改写里中国队交出的答卷之一。

那个只活三天的细胞

归元这份“冷门”成果的分量，要从2006年说起。

那一年，科学家山中伸弥发现，只用四种特定因子（后来被称为“山中因子”），就能把一个成熟的皮肤细胞“格式化”，退回到有多种发育潜能的多能干细胞（iPSC）状态——这个“把成熟细胞送回起点”的过程，就叫细胞重编程。

这个发现拿了诺奖，也打开了再生医学的大门：理论上，你可以从皮肤取一点细胞，把它变回起点，再引导它长成你需要的任何东西，比如给帕金森病人补上缺失的神经元。

问题在于，把细胞退回起点之后，往哪个方向引导、加哪些药物和生长因子，一直是件靠经验和运气的事。下胚层就是那个最难缠的方向之一。

在天然胚胎里，它除了参与着床，还负责营养支持、发育信号的传导，以及早期卵黄囊的形成。可它出现得太短，一闪而过，研究者几乎抓不住。 想系统研究它怎么来、怎么工作，过去连一份稳定的研究材料都凑不齐。

图注：用下胚层样干细胞构建的类胚胎模型（SEM+免疫荧光），可见羊膜腔(AC)与卵黄囊(YS)结构

而它偏偏站在一个和无数人有关的位置上。

据一篇发表于《生命科学》的综述，临床上大约40%到60%的胚胎，会因为着床失败、早期妊娠丢失和流产而没能发育下去；我国胎儿出生缺陷率约为5.6%。这些数字背后，是很多被告知"原因不明"的家庭。而这些失败究竟卡在哪一步、哪个信号出了错，学界至今知之甚少——因为连观察的窗口都太窄，材料太稀缺。

归元造出的，正是这种“抓不住”的细胞的一个可扩增替身。据西湖大学与达摩院介绍，这批下胚层样干细胞在分子特征上与天然细胞高度相似，在体外持续传代50代之后，仍然保持着干细胞特性——传代50代，意味着这批细胞稳定到足以持续供实验室研究用

刘晓东是这项成果的生物学侧负责人，他所在的西湖大学实验室专门研究诱导干细胞和发育再生医学，2023年他曾以共同第一作者身份在Nature上发表过一项清除iPS细胞表观遗传记忆的重编程新技术。用他的话说，过去这类细胞在体外很难长期稳定培养，现在借助AI找到了更优的调控方案，等于给研究者递上了可扩增、可研究的全新材料。

一个原本只活三天、几乎没人能好好看清的细胞，第一次有了长期陪你做实验的分身。

虚拟细胞：把四百万种可能，先在计算机里跑一遍

“诱导干细胞命运转换，我们面对的是一个极其复杂的组合优化问题。”达摩院资深算法专家、基因智能负责人顾斐这样解释。这项研究涉及25种谱系调控因子，17种小分子药物加上8种蛋白类生长因子，理论上能组合出近400万种方案。据他所说，这近400万种组合如果都靠传统方式一个个做实验验证，可能需要数十年

这次归元要做的，就是借助AI for Science，专门解决干细胞重编程中“用什么组合能把细胞导向目标状态”。

据官方介绍，归元是一套“双模态编码”：一边用分子结构表征去编码小分子药物，一边用蛋白语言模型去编码生长因子这类生物大分子，把两者统一投射到同一个高维空间里，再去预测不同组合会把细胞推向什么命运。近400万种组合先在计算机里模拟筛一遍，实验只去验证模型推荐的最优方案。

图注：归元（ReproPerturb）先在扰动数据上预训练与微调，再从约400万种条件中锁定下胚层干细胞培育方案

研究团队在模型里加了一个可解释性模块，让预测结果和已知的生物学信号通路挂上钩，有了这个模块，它不光能告诉你“哪个组合更可能有效”，还能帮你说清“为什么有效”。

在一个人人比拼“效率提升50倍”的赛道里，归元看重的是“能说出理由”。

在细胞预测这件事上，算得复杂并不等于算得准。一个说不清理由的黑盒推荐，生物学家不敢直接拿去做临床级别的判断。归元换了扰动对象（用的是药物和生长因子的组合，而不是基因），走的是干湿闭环——不止在计算机里算，还真按AI方案在实验台上把细胞造了出来，而且坚持可解释。它想在这条赛道上站住脚的方式，就是让人敢用。

同一道题，中美共出三张牌

“用AI找细胞重编程的最优配方”，早已是一场全球同场竞技。几个玩家沿着完全不同的技术哲学，各自给出了答案。

第一张牌，是从头造一个更好的因子。

OpenAI创始人奥特曼2022年个人出资1.8亿美元投资的长寿公司Retro，2025年8月和OpenAI合作，用一个专门定制的AI大模型（业内称GPT-4b micro）来设计蛋白质。前面说过，山中伸弥的四个因子只是个标准配方，重编程效率极低。GPT-4b micro的任务，是直接设计出比天然山中因子更高效的全新蛋白。据OpenAI公布的结果，AI设计出的新蛋白，把重编程标志物的表达效率提升了50倍以上。

这是“从头设计”的路子——嫌原来的工具不好用，那就造个新的。

图注：AI设计的新蛋白显著提升重编程效率：左为成纤维细胞，中为标准山中因子重编程，右为AI设计的RetroSOX/RetroKLF重编程，白色圆形细胞明显增多

第二张牌，是先用AI预测，再烧钱把上千种方案挨个做湿实验。

Coinbase创始人Brian Armstrong等人2021年创立的NewLimit，2026年6月刚完成4.35亿美元C轮融资，估值升到31亿美元，背后站着硅谷投资人Peter Thiel的创投基金Founders Fund和礼来。

它自建了一套AI加高通量筛选的平台Ambrosia，还构建了一个能大规模并行测试转录因子方案的系统，一边算一边验证，并计划在2027年启动首个mRNA重编程药物的人体临床。

用钱和实验规模去逼近答案。至于更早入场的Altos Labs（贝索斯押注、启动资金超30亿美元）、Life Biosciences等重资本玩家，则组成了这张牌桌更奢华的背景板。

图注：NewLimit研发管线：以代谢方向（肝细胞，酒精性肝病→代谢综合征）领先，覆盖免疫、血管方向

归元手里的，是第三张牌：不造新分子，也不烧钱海选，只在现成的因子里，算出那个最优组合，并且要求算得能解释。

三张牌的差别，落在方法论的取舍上，而不是谁的AI更聪明：从头设计新分子这条路最确定，门槛却也最高；高通量海选能把可能性铺得最广，但烧钱惊人。归元走的纯计算加可解释是其中最轻快的，只是它交到你手里的，是配方和材料，而不是一支能直接打进人体的药。

它的官方定位，从头到尾都是“研究新范式”——为早期胚胎发育、体外造血、类胚胎构建、细胞治疗研究提供可靠的细胞来源。团队已经把它用在了制备帕金森病细胞治疗所需的多巴胺神经元前体上，帮着优化生产工艺。它交付的是研究者手里的工具，是那批终于养得活的下胚层细胞。这和硅谷资本追逐的“逆转衰老疗法”，是同一条赛道上位置完全不同的两件事。

起点和终点

归元、GPT-4b micro、Ambrosia，其实给的是三种不同的答案。它们有的在现成组合里做预测，有的从头设计新分子，有的靠高通量海选，从生命起点出发或在生命终点调控，尽管还都存在不确定性，但人类距离精准可调控生命阶段，已经在加速靠近了。

细胞重编程走过二十年，长期是一门凭“手感”的活。AI这次做的，是把那个“数十年才试得完”的组合爆炸，压进了计算和虚拟的细胞中，兴许很快，我们就能通过虚拟世界的测演，揭开现实实验中我们还没解决的难题。

声明：本文为行业信息梳理，不构成任何投资或医疗建议

往期推

参考资料：

[1]《西湖大学联合阿里达摩院推出干细胞AI模型，精准调控细胞“逆生长”》，2026-07-14（归元官方通稿）

[2]艾宗勇、牛宝华等，《人着床后早期胚胎发育：研究进展和伦理关切》，《生命科学》2025,37(11)

[3] 《“逆转”大脑衰老药年底正式人体试验！GPT创始人奥特曼13亿押注》（GPT-4b micro / Retro 对比素材）

[4] 《估值31亿美元！Peter Thiel、礼来集体押注NewLimit》

[5] 知乎 Biomamba，《AI虚拟细胞干扰工具大测评》

[6] Sam Buckberry et al., "Transient naive reprogramming corrects hiPS cells functionally and epigenetically," Nature, 2023（刘晓东为共同第一作者）

[7]《达摩院AI加速农业新品种培育，全球23家科研机构“尝鲜”》，新华网，2024-03-21（顾斐画像 / 达摩院 AI 背景）