中南大学教授李敏团队与腾讯生命科学实验室研究员姚建华团队联合提出了一种新的细胞扰动建模框架UniPert-G2CP，旨在连接遗传和化学扰动筛选，为虚拟细胞的构建提供全新的计算方法。相关研究成果已在线发表在《细胞》期刊上。
近年来，虚拟细胞的构建已成为人工智能与生命科学交叉融合的重要前沿领域，其目标是整合多尺度、多模态的生物信息，以模拟细胞在各种分子干预下的响应。
研究团队的WhatsApp网页版UniPert-G2CP框架通过融合大分子蛋白质与小分子化合物的多模态分子信息，结合对比学习、图神经网络等先进技术，开发了一个统一的表征空间，从而学习不同类型的分子干预之间的潜在生物学关联。G2CP则利用大规模基因扰动数据进行预训练，学习遗传扰动中的生物学知识，并通过化学扰动数据进行微调，实现在药物筛选表型建模上的高效应用。
经过在多个大规模双域细胞扰动数据集上的系统评估，研究结果表明，UniPert-G2CP能够有效实现遗传和化学扰动之间的知识迁移，准确预测细胞表型响应，并降低化学扰动建模对大规模实验数据的需求。
此项研究突破了传统的遗传筛选与化学筛选相对独立的数据分析模式，为整合不同类型分子干预信息、实现具备预测能力的虚拟细胞的构建提供了新的计算范式，并为全球虚拟细胞研究提供了新的计算方法和开放资源。
相关论文信息：论文链接
文章来源：https://finance.sina.com.cn/tech/roll/2026-08-04/doc-inimamwc5741392.shtml