400萬種配方快速篩選，虛擬細胞正重塑AI細胞重編程！

25種譜系調控因子，17種小分子藥物加上8種蛋白類生長因子，能組合出近400萬種方案，虛擬細胞+AI正在縮短這項曾需耗時十年的細胞命運調控研究。

全文共3078字，大約需要7分鐘閱讀

上周，西湖大學聯合阿里巴巴達摩院，發布“歸元”AI模型。據官方介紹，它能從近400萬種藥物和生長因子的組合里挑出最優方案，精準操控一個已擁有特定功能的成熟細胞命運，把它導向某一種特定的干細胞狀態，精準調控了細胞命運

這次，歸元造出來的第一批細胞，聚焦在下胚層樣干細胞。下胚層，是胚胎在受精后第5到7天短暫現身的一小群細胞，參與胚胎著床生理過程，過去在實驗室里，這種細胞幾乎無法在人工設定環境下培養。

與此同時，在地球的另一側，硅谷，同樣是把AI對準細胞的命運，硅谷巨頭們正用它去追一個終點：讓人不老；而歸元先照亮的，是生命的起點。

細胞重編程這門做了二十年的手藝，正在被AI改寫成一道可以交給計算機去算的題。歸元，只是這場改寫里中國隊交出的答卷之一。

那個只活三天的細胞

歸元這份“冷門”成果的分量，要從2006年說起。

那一年，科學家山中伸彌發現，只用四種特定因子（后來被稱為“山中因子”），就能把一個成熟的皮膚細胞“格式化”，退回到有多種發育潛能的多能干細胞（iPSC）狀態——這個“把成熟細胞送回起點”的過程，就叫細胞重編程。

這個發現拿了諾獎，也打開了再生醫學的大門：理論上，你可以從皮膚取一點細胞，把它變回起點，再引導它長成你需要的任何東西，比如給帕金森病人補上缺失的神經元。

問題在于，把細胞退回起點之后，往哪個方向引導、加哪些藥物和生長因子，一直是件靠經驗和運氣的事。下胚層就是那個最難纏的方向之一。

在天然胚胎里，它除了參與著床，還負責營養支持、發育信號的傳導，以及早期卵黃囊的形成。可它出現得太短，一閃而過，研究者幾乎抓不住。 想系統研究它怎么來、怎么工作，過去連一份穩定的研究材料都湊不齊。

圖注：用下胚層樣干細胞構建的類胚胎模型（SEM+免疫熒光），可見羊膜腔(AC)與卵黃囊(YS)結構

而它偏偏站在一個和無數人有關的位置上。

據一篇發表于《生命科學》的綜述，臨床上大約40%到60%的胚胎，會因為著床失敗、早期妊娠丟失和流產而沒能發育下去；我國胎兒出生缺陷率約為5.6%。這些數字背后，是很多被告知"原因不明"的家庭。而這些失敗究竟卡在哪一步、哪個信號出了錯，學界至今知之甚少——因為連觀察的窗口都太窄，材料太稀缺。

歸元造出的，正是這種“抓不住”的細胞的一個可擴增替身。據西湖大學與達摩院介紹，這批下胚層樣干細胞在分子特征上與天然細胞高度相似，在體外持續傳代50代之后，仍然保持著干細胞特性——傳代50代，意味著這批細胞穩定到足以持續供實驗室研究用

劉曉東是這項成果的生物學側負責人，他所在的西湖大學實驗室專門研究誘導干細胞和發育再生醫學，2023年他曾以共同第一作者身份在Nature上發表過一項清除iPS細胞表觀遺傳記憶的重編程新技術。用他的話說，過去這類細胞在體外很難長期穩定培養，現在借助AI找到了更優的調控方案，等于給研究者遞上了可擴增、可研究的全新材料。

一個原本只活三天、幾乎沒人能好好看清的細胞，第一次有了長期陪你做實驗的分身。

虛擬細胞：把四百萬種可能，先在計算機里跑一遍

“誘導干細胞命運轉換，我們面對的是一個極其復雜的組合優化問題。”達摩院資深算法專家、基因智能負責人顧斐這樣解釋。這項研究涉及25種譜系調控因子，17種小分子藥物加上8種蛋白類生長因子，理論上能組合出近400萬種方案。據他所說，這近400萬種組合如果都靠傳統方式一個個做實驗驗證，可能需要數十年

這次歸元要做的，就是借助AI for Science，專門解決干細胞重編程中“用什么組合能把細胞導向目標狀態”。

據官方介紹，歸元是一套“雙模態編碼”：一邊用分子結構表征去編碼小分子藥物，一邊用蛋白語言模型去編碼生長因子這類生物大分子，把兩者統一投射到同一個高維空間里，再去預測不同組合會把細胞推向什么命運。近400萬種組合先在計算機里模擬篩一遍，實驗只去驗證模型推薦的最優方案。

圖注：歸元（ReproPerturb）先在擾動數據上預訓練與微調，再從約400萬種條件中鎖定下胚層干細胞培育方案

研究團隊在模型里加了一個可解釋性模塊，讓預測結果和已知的生物學信號通路掛上鉤，有了這個模塊，它不光能告訴你“哪個組合更可能有效”，還能幫你說清“為什么有效”。

在一個人人比拼“效率提升50倍”的賽道里，歸元看重的是“能說出理由”。

在細胞預測這件事上，算得復雜并不等于算得準。一個說不清理由的黑盒推薦，生物學家不敢直接拿去做臨床級別的判斷。歸元換了擾動對象（用的是藥物和生長因子的組合，而不是基因），走的是干濕閉環——不止在計算機里算，還真按AI方案在實驗臺上把細胞造了出來，而且堅持可解釋。它想在這條賽道上站住腳的方式，就是讓人敢用。

同一道題，中美共出三張牌

“用AI找細胞重編程的最優配方”，早已是一場全球同場競技。幾個玩家沿著完全不同的技術哲學，各自給出了答案。

第一張牌，是從頭造一個更好的因子。

OpenAI創始人奧特曼2022年個人出資1.8億美元投資的長壽公司Retro，2025年8月和OpenAI合作，用一個專門定制的AI大模型（業內稱GPT-4b micro）來設計蛋白質。前面說過，山中伸彌的四個因子只是個標準配方，重編程效率極低。GPT-4b micro的任務，是直接設計出比天然山中因子更高效的全新蛋白。據OpenAI公布的結果，AI設計出的新蛋白，把重編程標志物的表達效率提升了50倍以上。

這是“從頭設計”的路子——嫌原來的工具不好用，那就造個新的。

圖注：AI設計的新蛋白顯著提升重編程效率：左為成纖維細胞，中為標準山中因子重編程，右為AI設計的RetroSOX/RetroKLF重編程，白色圓形細胞明顯增多

第二張牌，是先用AI預測，再燒錢把上千種方案挨個做濕實驗。

Coinbase創始人Brian Armstrong等人2021年創立的NewLimit，2026年6月剛完成4.35億美元C輪融資，估值升到31億美元，背后站著硅谷投資人Peter Thiel的創投基金Founders Fund和禮來。

它自建了一套AI加高通量篩選的平臺Ambrosia，還構建了一個能大規模并行測試轉錄因子方案的系統，一邊算一邊驗證，并計劃在2027年啟動首個mRNA重編程藥物的人體臨床。

用錢和實驗規模去逼近答案。至于更早入場的Altos Labs（貝索斯押注、啟動資金超30億美元）、Life Biosciences等重資本玩家，則組成了這張牌桌更奢華的背景板。

圖注：NewLimit研發管線：以代謝方向（肝細胞，酒精性肝病→代謝綜合征）領先，覆蓋免疫、血管方向

歸元手里的，是第三張牌：不造新分子，也不燒錢海選，只在現成的因子里，算出那個最優組合，并且要求算得能解釋。

三張牌的差別，落在方法論的取舍上，而不是誰的AI更聰明：從頭設計新分子這條路最確定，門檻卻也最高；高通量海選能把可能性鋪得最廣，但燒錢驚人。歸元走的純計算加可解釋是其中最輕快的，只是它交到你手里的，是配方和材料，而不是一支能直接打進人體的藥。

它的官方定位，從頭到尾都是“研究新范式”——為早期胚胎發育、體外造血、類胚胎構建、細胞治療研究提供可靠的細胞來源。團隊已經把它用在了制備帕金森病細胞治療所需的多巴胺神經元前體上，幫著優化生產工藝。它交付的是研究者手里的工具，是那批終于養得活的下胚層細胞。這和硅谷資本追逐的“逆轉衰老療法”，是同一條賽道上位置完全不同的兩件事。

起點和終點

歸元、GPT-4b micro、Ambrosia，其實給的是三種不同的答案。它們有的在現成組合里做預測，有的從頭設計新分子，有的靠高通量海選，從生命起點出發或在生命終點調控，盡管還都存在不確定性，但人類距離精準可調控生命階段，已經在加速靠近了。

細胞重編程走過二十年，長期是一門憑“手感”的活。AI這次做的，是把那個“數十年才試得完”的組合爆炸，壓進了計算和虛擬的細胞中，興許很快，我們就能通過虛擬世界的測演，揭開現實實驗中我們還沒解決的難題。

聲明：本文為行業信息梳理，不構成任何投資或醫療建議

往期推

參考資料：

[1]《西湖大學聯合阿里達摩院推出干細胞AI模型，精準調控細胞“逆生長”》，2026-07-14（歸元官方通稿）

[2]艾宗勇、牛寶華等，《人著床后早期胚胎發育：研究進展和倫理關切》，《生命科學》2025,37(11)

[3] 《“逆轉”大腦衰老藥年底正式人體試驗！GPT創始人奧特曼13億押注》（GPT-4b micro / Retro 對比素材）

[4] 《估值31億美元！Peter Thiel、禮來集體押注NewLimit》

[5] 知乎 Biomamba，《AI虛擬細胞干擾工具大測評》

[6] Sam Buckberry et al., "Transient naive reprogramming corrects hiPS cells functionally and epigenetically," Nature, 2023（劉曉東為共同第一作者）

[7]《達摩院AI加速農業新品種培育，全球23家科研機構“嘗鮮”》，新華網，2024-03-21（顧斐畫像 / 達摩院 AI 背景）