2026年7月14日，西湖型精细胞西湖大学与阿里巴巴达摩院联合宣布一项突破性成果：双方共同构建了面向干细胞重编程的大学达摩大规模组合扰动数据集，并在此基础上研发出人工智能模型——“归元”。阿里该模型旨在通过算法精准预测干细胞的院联元分化命运，为再生医学领域提供强有力的布归技术支撑。

依托先进的准预重编人工智能算力，“归元”模型能够在数以百万计的测干程路小分子药物与生长因子组合中，高效筛选出最优干预方案，西湖型精细胞从而定向引导细胞转化为特定的大学达摩目标干细胞状态。基于模型推荐的阿里实验路径，研究团队首次在体外成功获得一种具备长期稳定传代能力的院联元高质量下胚层样干细胞，其连续传代次数超过五十代。布归这一重大突破不仅为解析早期胚胎发育机制、准预重编构建类胚胎结构、测干程路重建体外造血系统以及开发白血病相关细胞治疗手段提供了全新的西湖型精细胞工具平台，也标志着AI在生命科学基础研究与转化应用中的深度融合。

从“试错”到“预测”：细胞重编程的技术跃迁

回溯科学史，自2006年科学家首次实现将成熟皮肤细胞逆转为诱导多能干细胞（iPSC）以来，细胞重编程已成为再生医学的核心范式。在这一过程中，细胞会短暂进入高度可塑状态，此时若施加不同种类的小分子化合物或蛋白类生长因子，便可将其导向特定的干细胞谱系。

然而，传统的实验方法面临巨大挑战。本次研究涉及的变量包括25种关键谱系调控因子，具体涵盖17种小分子药物与8种蛋白类生长因子。理论上，这些因子可形成近400万种组合方式。若依靠传统的人工逐一验证，不仅耗时漫长、成本高昂，且成功率极低，难以满足大规模筛选的需求。

“归元”模型：双模态编码与可解释性AI的创新

为解决上述难题，“归元”模型创新性地采用了双模态编码架构，实现了异构生物数据的统一映射：

1. 小分子数字化建模：利用分子结构表征技术，将小分子药物转化为数字特征。
2. 生物大分子语义化编码：借助蛋白语言模型，对生长因子及细胞因子等生物大分子进行语义化处理。

最终，模型将两类异构数据统一映射至同一高维表征空间，从而实现对组合干预效果的系统性预测。尤为关键的是，“归元”嵌入了可解释性模块，使其输出结果能与已知生物学信号通路形成明确对应。这意味着模型不仅能指出哪些组合更可能达成预期的细胞状态，还能阐明其背后的分子机制与作用逻辑，极大地增强了研究成果的可信度与科学价值。

从实验室到临床应用：拓展细胞命运调控边界

借助该模型，研究团队完成了对近400万种潜在组合的全量模拟预测，并依据最优推荐方案开展实验验证，最终成功获得了目标干细胞。

目前，“归元”模型的应用场景已从单一任务拓展至更广泛的细胞命运调控领域：
* 帕金森病治疗：用于多巴胺神经元前体细胞的定向制备。
* 规模化生产：优化多种功能细胞的制备工艺，显著提升生产效率与稳定性。

这一系列进展表明，AI驱动的科学发现正在加速生命科学从“描述性研究”向“预测性设计”的范式转变。

(责任编辑：探索)