虚拟细胞神经形态基因语言模型：VC 实习生的领域指南
Published:
由神经形态计算和基因语言模型驱动的虚拟细胞模型，代表了生物技术 AI 领域中资本最密集、科学最雄心勃勃的融合方向之一。如果你正在以 VC 实习生的身份评估这个领域，你需要理解三个核心组成部分：这些系统实际上做什么、为什么市场现在开始行动，以及可投资的机会在哪里。
什么是虚拟细胞模型？
虚拟细胞是大规模模拟细胞行为的计算系统。与依赖手工编码生物规则的传统机制模型不同，现代虚拟细胞模型使用在单细胞 RNA 测序数据上训练的大型语言模型来预测细胞如何响应基因扰动、药物治疗或环境变化。
突破来自于将基因表达谱视为一种语言。耶鲁大学和 Google 等机构的研究人员将复杂的转录组数据转换为 transformer 模型可以处理的文本序列。这种方法以 scGPT 和 GenePT 等模型为代表，能够在不运行物理实验的情况下预测细胞状态转换。
价值主张很直接：用准确的计算预测取代昂贵、耗时的湿实验室实验。虚拟细胞可以在几小时内模拟数千种药物-基因相互作用，而不是几个月。
神经形态计算层
神经形态计算作为效率提升手段进入这个领域。传统的基因组学深度学习模型计算成本高昂。在数百万个单细胞谱上训练基础模型需要大规模 GPU 集群。
神经形态系统模仿生物神经网络，使用事件驱动的稀疏计算。神经形态芯片不是通过密集矩阵运算处理每个数据点，而是仅在出现特定模式时激活，类似于神经元如何响应刺激而放电。
对于基因表达建模，这种架构提供了两个优势。首先，它在推理过程中大幅降低功耗，使得在边缘或资源受限的环境中运行虚拟细胞模拟成为可能。其次，稀疏的事件驱动特性与基因调控网络的实际功能自然对齐——大多数基因在大多数时间保持不活跃，仅在响应特定信号时激活。
研究小组已经展示了活细胞中的合成神经形态计算，创建了像神经网络一样运行的基因回路。这项工作表明了一个未来，虚拟细胞模型不仅模拟生物学——它们在硬件层面使用生物学原理运行。
市场动态和投资活动
虚拟细胞市场正在经历显著的资本流入。Turbine 在 B 轮融资中筹集了 2500 万美元，在与阿斯利康合作后扩展其数字细胞平台。Tahoe Therapeutics 以 1.2 亿美元估值获得 3000 万美元融资，为虚拟细胞模型构建基础数据集。
更广泛的 AI 驱动生物技术市场在 2025 年达到 46 亿美元，预计到 2030 年将达到 114 亿美元，复合年增长率为 20%。神经形态计算的增长轨迹更为激进，市场预测显示从 2023 年的 2.5 亿美元扩展到 2030 年的 120 亿美元。
值得注意的是，Unconventional AI 在种子轮融资中筹集了 4.75 亿美元，估值 45 亿美元——这是历史上最大的神经形态种子轮。这表明机构资本正在大力押注类脑计算架构。
关键投资考量
在评估这个领域的公司时，关注三个技术差异化因素。
数据护城河比模型架构更重要。虚拟细胞模型的好坏取决于它们训练所用的生物数据。拥有大规模扰动数据集专有访问权限的公司——尤其是那些结合转录组学、蛋白质组学和成像数据的公司——具有可防御的优势。Chan Zuckerberg Initiative 的虚拟细胞平台通过构建帮助开发者更快创建具有生物影响力模型的基础设施，体现了这种方法。
验证管道将科学项目与商业产品区分开来。最好的团队实施闭环工作流程，通过 CRISPR 筛选或类器官实验系统地验证计算预测。AI 驱动的虚拟细胞模型如果能展示一致的实验验证，就有更清晰的制药合作路径。
与现有药物发现工作流程的集成决定了采用速度。能够插入制药公司现有计算生物学堆栈的虚拟细胞平台将比那些需要完全基础设施改造的平台扩展得更快。
技术风险和未解决的问题
几个技术挑战仍未解决。当前的虚拟细胞模型在训练数据稀疏的罕见细胞类型和边缘情况下表现不佳。对完全新颖的扰动——训练期间从未见过的基因修饰或药物治疗组合——的泛化仍然不一致。
神经形态计算集成在基因表达建模中仍然主要是理论性的。虽然存在概念验证演示，但用于基因组学的生产规模神经形态系统尚未部署。硬件生态系统不成熟，针对生物序列处理优化的神经形态芯片供应有限。
虚拟细胞预测在临床决策中的监管路径尚未定义。FDA 将如何评估一个完全通过计算细胞模拟发现其机制的候选药物？这种不确定性为追求治疗应用的公司创造了时间线风险。
领域的发展方向
虚拟细胞、神经形态计算和基因语言模型的融合正朝着三个结果发展。
首先，虚拟细胞模型将成为早期药物发现的标准工具，取代或增强高通量筛选。制药公司将使用这些系统在运行物理实验之前缩小候选化合物范围。
其次，神经形态硬件将实现大规模实时细胞模拟。想象同时运行数百万个虚拟临床试验，每个试验测试不同的遗传背景和治疗组合。这只有通过神经形态系统的能效才能实现。
第三，虚拟和物理生物学之间的界限将模糊。实现神经形态计算的合成基因回路表明了一个未来，工程细胞使用与虚拟细胞模型相同的原理执行计算。这在生物传感、生物制造和治疗性细胞工程中创造了机会。
VC 评估的实用要点
如果你正在评估这个领域的公司，问这些问题。
他们的训练数据来源和规模是什么？有多少细胞、扰动和模态？数据是专有的还是公开的？
他们如何通过实验验证预测？有多少百分比的计算预测在实验室中进行了测试？成功率是多少？
他们的市场进入策略是什么？他们是在为内部药物发现构建平台、向制药公司授权预测，还是向研究人员销售软件工具？
技术创始人是谁？他们在机器学习和实验生物学方面都有深厚的专业知识吗？单学科团队在跨学科复杂性方面会遇到困难。
他们的计算策略是什么？他们是在标准云基础设施上构建还是投资专用硬件？如果是神经形态的，他们的芯片供应链是什么？
虚拟细胞神经形态基因语言模型领域位于三条指数曲线的交叉点：AI 模型扩展、生物数据生成和硬件效率。成功驾驭所有三个维度的公司将定义下一代药物发现。那些只掌握一两个维度的公司将在日益激烈的竞争格局中难以捕获价值。
资本正在流动。科学正在进步。对投资者来说，问题不是这个领域是否会改变生物技术，而是哪些特定的技术方法和商业模式将捕获这种转型创造的价值。
内容经过改写以符合许可限制。来源：Nature Communications、arXiv、NIH PMC、BioPharmaTrend、Forbes、CZI Virtual Cell Platform。