清华系AI4S虚拟细胞，用多尺度物理力学+AI推演生命规律 | 独家专访深度细胞CEO陈新栋

撰稿｜李秋萩

“相互作用的本质是物理力。”

采访中，深度细胞创始人陈新栋几次强调：AI制药和AI生命科学的核心，是准确地理解分子相互作用，因为细胞行为的本质是大量分子相互作用的涌现。

当一个被忽视的常识再次强调，一条新路将被展开——回归物理力学。

深度细胞创始人陈新栋博士，师从清华大学力学系冯西桥院士，在此领域深耕10年，研究横跨量子尺度的分子相互作用计算、分子动力学模拟与细胞尺度物理建模三个不同的生命科学尺度，多篇相关成果发表于 PNAS、ACS Nano等国际知名期刊。

年内，深度细胞完成近亿元种子轮融资，由中科创星、顺禧基金、千骥资本共同领投，鼎峰科创、水木创投和清科控股参与投资。

作为一家AI制药与虚拟细胞创新企业，深度细胞给自己划分的领域可谓宏大：

致力于创造能够理解生命、探索未知并持续自我进化的通用人工智能，以全新的方式发现疾病机制、设计药物，挑战人类尚未攻克的疾病。

但陈新栋博士拥有着很具体的方法论——同时走向两个极致：

● 极致求深，突破AI分子模型的精度和泛化性边界；

● 极致求广，构建能够理解疾病机制的虚拟细胞世界模型智能系统。

不止步于数据归纳、统计映射、扰动预测，他想要回答更深层的问题：

● 细胞不同状态为什么发生？

● 哪些分子相互作用真正驱动了疾病？

● 如果对其中一个环节进行干预，整个细胞系统将如何响应？

● 什么力量推动细胞从健康走向疾病？

共通的逻辑是，他相信一种全新的生命科学范式：AI将成为理解生命规律、高精度设计全新药物，乃至自主提出并验证科学假设的新型科研主体。

最终，打造一家AI Scientist / AI原生的Biopharma。

一个追寻极致的故事，如何延续二十年？又如何在新时机适时落地？以下。

01

从物理力学定律介入，

AI加速跨尺度计算细胞动态

动脉网：物理如何帮助我们理解：疾病为什么发生？

陈新栋：制药最大的问题在于机制不确定——分子是怎么调控生物学功能的，而细胞是生物学功能的基本单位。以癌细胞转移为例，我们需要弄清楚哪些分子、通过怎样的相互作用调控了转移，才能设计药物干扰这一过程。

但实验重现极难：分子只有几纳米，在细胞内扩散、相互作用，几乎无法观测。而真实细胞是一个由亿万分子持续运动、发生相互作用并响应环境变化驱动的复杂物理动态系统。

我们团队在细胞物理模拟、物理力学与AI交叉领域积累了超过20年。所以我们想到另一条路：利用AI，把从分子相互作用到癌细胞转移的整个过程模拟出来。这样，通过调控某一个分子，就能观察癌细胞转移行为的变化，从而找到关键分子和作用机制。

动脉网：基于多尺度物理的AI虚拟细胞特异性在哪里？

陈新栋：举个例子，面对训练数据之外的新型分子、新型靶点、复杂分子相互作用、缺乏已知结构的难成药体系，一款模型是否仍然能保证预测精度和泛化能力？背后暴露出对数据相关性的依赖。

我们希望做的是，不只用组学数据学习相关性，把分子物理的基本力学规律融入模型，让AI不仅知道什么可能成立，更理解规律为什么成立、变化为什么发生，从而揭示生物学和疾病机制。

动脉网：虚拟细胞从静态模型走向动态模拟，比如观察分子间作用力、纳入时空维度，难点在哪里？

陈新栋：难点在于如何克服时间和空间的跨尺度挑战。

分子相互作用发生在纳秒到微秒尺度，而细胞运动是可观测的秒尺度，时间上跨越了106-9；空间上跨越了104（几纳米的分子到10微米的细胞），这是传统物理计算极难完成的。

但，AI替代和加速物理计算让我们看到了重要的变革力量——如结构预测AlphaFold的突破，让之前数万年甚至更久才能计算出的折叠，现在只需要几分钟就能预测出来。而在生命科学领域，虚拟细胞同样可以做到。

动脉网：跨尺度的计算模拟是怎么实现的？

陈新栋：之前，我们借助不同的力学体系完成计算。在分子尺度，用分子动力学计算分子间相互作用的参数，比如蛋白之间结合的力、能量变化；获得参数之后，再借助连续介质力学体系，模拟骨架蛋白聚合成高聚物，预测蛋白如何调控癌细胞转移。相当于先算微观、再把微观参数传给宏观模型，两个体系接力完成计算。

但在当前，我们开发的是AI替代和加速物理计算的新方法。

动脉网：AI虚拟细胞+物理，可以理解为通过物理规律去解读细胞、构建虚拟模型吗？

陈新栋：对，但物理不是唯一的，数据驱动也很重要，AI加速的物理规律模拟与组学数据需要深度结合。

组学模型是一个黑盒，我们希望通过两种方法的融合，把虚拟细胞做成一个至少50%的白盒，能够清晰地揭示机制、提高泛化能力。

如果类比为研究什么类型的汽车跑得更快？组学数据相当于把所有的车拆成零件，通过学习零散零件和车速之间的关系，来预测新的组件组合能跑多快——但这是极其困难的。深度细胞的方案是，数据加科学原理双驱动，进而研究发动机真正的物理原理：转轴转矩、产生多大扭矩、到车轮怎么转动，再结合数据去做判断和预测。

这样解决的是很重要的应用问题——泛化能力。纯数据驱动到了不同类细胞上就预测不准了；但基于科学原理，换了没见过的车也不必担心，因为发动机原理是一样的，是不可能违背物理定律的。正如埃隆马斯克一直强调的，万事万物是不可能违背物理定律的。

当然，两种路线的融合是一件极具挑战性的事情，技术壁垒很高，但我们团队在此领域深耕多年，对此有着极大的信心。

动脉网：这套力学语言/物理规律，怎么落到技术架构中？

陈新栋：我们用10年开发了一个物理模拟引擎。AI可以预测出大量的组学数据，这些数据就是“被拆下来的汽车零件”，是静态的。我们做的事情是，把这些零件重新组装回一辆“汽车”通过物理引擎，让静态的分子组合重新跑起来——基于组学数据，在虚拟空间中重建细胞，进而模拟它的动态行为。

动脉网：当时，您如何判断AI+生物物理向工业化转型的时机到了？

陈新栋：基于我们过去10年的研究已经验证了这一点。我们在计算机上把癌细胞转移模拟出来了，特别是肿瘤侵袭的最前端伪足，也是最重要的部分——掌控侵袭的细胞局部。我们模拟并揭示出了其中的关键分子机制（癌细胞自适应转移的蛋白质调控力学机制），发表在美国科学院院报上。[1]

最近，美国“创世纪任务”公布了其虚拟细胞技术路线，其中规划与我们2年前提出并发表在美国化学协会顶刊ACS Nano上的技术路线是一致的。

动脉网：癌细胞转移虚拟模拟的精度到了什么程度？

陈新栋：基于我们之前对细胞侵袭的模拟，给一个药物，我们能让它响应出细胞转移行为的变化——侵袭力是变强了还是变弱了，它还能不能“爬”出去，这些都可以在计算机上动态模拟出来，并且经过了非常严格的实验验证。

但在当前阶段，这是有条件的，如果药物分子是通过信号通路直接或间接作用到骨架蛋白上的，这类机制我们可以在计算机上直接测试出来；我们正在扩展更加丰富的模块，逐步完成虚拟细胞的构建。

02

成为下一代制药工业基础设施

动脉网：底层训练数据库是怎样的？

陈新栋：基本是虚拟细胞领域公开数据库，超过3PB。我们也在筹备自己的干湿闭环实验室。

动脉网：一旦解决精准度和泛化能力问题，下一代制药的基础设施会是怎么样的？

陈新栋：当前药物研发的临床失败率超过90%，最核心的原因就是生物学机制不确定。虚拟细胞基于组学数据，加上AI加速的物理细胞仿真引擎，在计算机上模拟细胞行为，正是为了揭示这些机制。它一旦跑通，会成为制药领域非常重要的基础设施，直接提高临床成功率。

动脉网：应用首先切入制药工业哪个阶段场景？

陈新栋：有两个场景。第一个是药物立项。通过分析机制，可以明确做什么疾病、针对什么靶点，让立项更清晰。这是药企最重要的能力。第二个是病人临床分组。不同病人的组学数据差异较大，针对特定亚型筛选出更适用的人群，让药物匹配到更精准的患者，从而提高临床成功率。

动脉网：制药和合成生物学，哪个场景会跑得比较快？

陈新栋：制药和合成生物学其实是齐头并进，因为底层用的都是同样的数据和模型，会同步产生价值。相对更快的应该是制药里的药物立项能力；临床分组场景还要跟药企、医院拿数据，获取难度更大一些。

深度细胞最开始会以功能性大分子设计为切入点，直击药企在活性调控、成药性优化等环节的核心痛点；将合成生物学作为后续的战略储备方向。

动脉网：作为工具，虚拟细胞需不需要形成一些共识和标准？各家有各家的标准可以吗？

陈新栋：虚拟细胞最终是要解决制药中的现实问题，所以标准肯定是统一的——就是看它能不能更好地解决药物研发中的问题。具体来说，比如现在常说的扰动：给一个药物分子作用到细胞上，会产生大量扰动数据，模型能否准确预测扰动后的变化？评价方式是统一的，即与实验结果比对。

动脉网：虚拟细胞还是在重复AI制药的商业化逻辑里吗？

陈新栋：虚拟细胞还是符合AI制药的商业逻辑，药企确实很需要（产业链/工具创新者）。但挑战性也有——行业还处在早期阶段，大家都在期待“AlphaFold时刻”。在模型真正产生具体价值之前，大家可能都会有顾虑，但没有任何一家药企会不重视这波浪潮。

动脉网：虚拟细胞产生具体价值的“AlphaFold时刻”是什么？

陈新栋：不一定几个管线出来就代表成功，也不一定等到沉淀为资产尺度。更重要的标志是：虚拟细胞技术能揭示出科学家尚未发现的重要机制，并且清晰阐明。这本身就是一种重要的价值证明。

动脉网：类比早期AI制药的验证路径，新机制需要经过验证吗？

陈新栋：肯定需要实验来验证，甚至要通过新药管线的成功来验证。

动脉网：在监管相对弱势的合成生物学领域，虚拟细胞是否会更快变现？

陈新栋：合成生物学路线确实可能更短一些。但真正更大的商业成功肯定还是在制药领域。

动脉网：因为制药的回报率更高？

陈新栋：对，商业空间更高更大。

动脉网：与药企的合作，会从类似CRO外包的形式起步，逐步递进到定制化合作吗？

陈新栋：定制化方向是对的。目前我们提供的是平台授权——药企团队直接使用做虚拟实验、自动生成报告。更深度的合作下，平台可基于药企自有数据做训练、微调模型。

动脉网：除了制药和合成生物学，虚拟细胞还能参与到其他领域吗？

陈新栋：虚拟细胞是为了解决生物学机制问题，本身与生命科学的基础研究是相通的。当运用虚拟细胞模拟就可以寻找到生命运行机制，那么基础研究的突破效率将呈现指数级的增长，一个实验室几十年的成果，AI虚拟细胞只需要几天就可以完成。

03

AI科学家主导药物研发的Big Pharma

动脉网：深度细胞的盈利飞轮是怎么思考的？

陈新栋：我们首先会做服务，跟药企合作，有两个目的：一是获得早期收入，二是验证模型。等模型开发到不错的水平，就会开始推自研管线。再往后，这条路最终一定会走向一家AI原生的Big Pharma。

动脉网：深度细胞未来会自建管线资产吗？

陈新栋：一定会。我们的目标是让深度细胞成为一家Big Pharma，而且希望是AI科学家来主导药物研发。

动脉网：AI科学家来主导药物研发，如何理解？

陈新栋：一家AI原生（AI native）的公司。

动脉网：3年到5年内，深度细胞会有哪些重要进展？

陈新栋：当前启动新一轮融资刚开，未来3年会保持一定的融资节奏，且配合里程碑逐步推进。虚拟细胞现在最难的问题之一就是泛化能力——换到不一样的数据集、不一样的细胞，模型就容易不准。我们会靠前面说的两条路去解：数据驱动加上物理科学原理驱动，把跨细胞、跨场景的泛化能力做起来。

动脉网：虚拟细胞企业怎么定义自己的产业链位置？

陈新栋：现在的AI制药公司做分子设计，主要在整个研发制药的前端，也就是临床前的药物分子设计。虚拟细胞辐射的是更底层的东西——从做制药之前的立项，到临床的响应，虚拟细胞都可以完成。所以很难用一个具体位置来形容。它可以为传统药企提供服务，也可以拥有自己的资产，自己做药物研发。

动脉网：作为虚拟平台，虚拟细胞企业做出海或国际化是更容易的吗？

陈新栋：虚拟细胞是一个更大、更根本的系统。国际市场的需求是明确的，MNC也非常重视。我们也正在谈一些这方面的合作。

动脉网：随着泛化能力得到验证，无论是合作交易还是行业认可，市场规模是否就会提升？

陈新栋：当然。药物设计市场覆盖的只是药物研发部分环节的花费，而虚拟细胞市场是药物设计至少10倍以上的市场空间。因为它是一个更系统的体系，直接辐射到临床。

动脉网：AI制药公司一般会明确AI辅助小分子/大分子/蛋白质设计，虚拟细胞也会有这样的分化吗？

陈新栋：我觉得会的。细胞太复杂了，不同类的细胞差异很大，大家一定会聚焦到某些具体领域、具体疾病类型去切入。

动脉网：AI原生药企大概多久以后能兑现？

陈新栋：一定会非常快，接下来5-10年内就能看到，因为一些基础的科学问题正在或已经被AI突破，这就注定了这一天会很快到来

动脉网：您如何看待AI制药的成功或核心价值？

陈新栋：我是做物理科学出身，又做AI，我一直在思考一个问题：AI能否解决制药精度和泛化能力的问题。现在我已经得出了一个非常清晰的结论——AI可以解决制药里精度和泛化能力的问题。这代表什么呢？代表AI制药也好，虚拟细胞也好，必然会成功。

当然，开始的成功并不是说像大家想象的那么完美、全部替代，而是可以局部替代、大大加速这个过程，而这已经足以带来整个行业的变革。

动脉网：AI4S的框架下，深度细胞想讲的是怎样的故事？

陈新栋：我们做的所有分子尺度的突破，包括细胞尺度的突破，都瞄准同一个最根本的问题——解决生物学机制不确定性，这是制药面对的最大挑战。

我们将成长为一家AI scientist公司，开发的是可以自我迭代、去解决制药和生命科学基础机制研究的人工智能系统。我们希望开发出来的是面向生命科学和生物医药研发的通用人工智能，构建超越专家的AI scientist。

*参考文献：

[1] 2023年，清华大学冯西桥教授、英国卡迪夫大学朱汉兴教授、清华大学陈新栋博士后（第一作者）在《美国科学院院报》在线发表了题为“聚合力调控的肌动蛋白微丝与Arp2/3复合体互作主导自适应细胞迁移”的论文。

*封面图片来源：123rf

秒追医疗健康产业创新

声明：动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。未经许可，禁止进行转载、摘编、复制及建立镜像等任何使用。文中如果涉及企业信息和数据，均由受访者向分析师提供并确认。

点喜欢