西湖大學聯合阿里達摩院推出幹細胞 AI 模型“歸元”，可精準調控細胞“逆生長”

# 西湖大学联合阿里达摩院推出干细胞AI模型“归元”，精准调控细胞“逆生长”

2026年7月14日，西湖大学与阿里巴巴达摩院联合宣布，针对干细胞重编程这一前沿领域，成功构建大规模组合扰动数据集，并开发出能够精准预测干细胞命运的AI模型——“归元”。该模型通过对近400万种药物与生长因子组合的高效模拟，为细胞“逆生长”提供了最优调控方案，被视为人工智能与生命科学深度融合的又一标志性成果。 2006年，科学家首次发现利用特定转录因子可将皮肤细胞“重编程”为诱导多能干细胞（iPSC），这意味着已经分化成熟的细胞能够回到具备多向分化潜能的“起点状态”。这一发现为再生医学带来了革命性希望。然而，在重编程过程中，细胞命运表现出极强的可塑性，通过添加不同种类的小分子药物和蛋白类生长因子，有可能将细胞引导至不同的干细胞状态。但过去这种调控高度依赖实验者的个人经验，需要反复试错，研究效率极为低下。 阿里巴巴达摩院资深算法专家顾斐在介绍该研究背景时指出，团队此次聚焦25种谱系调控因子，包括17种小分子药物和8种蛋白类生长因子。理论上，这些因子可以组合出近400万种不同方案。如果依靠传统实验逐一验证，可能耗时数十年，成本高昂且成功率难以保证。面对这一“组合爆炸”难题，研究团队决定引入人工智能来突破瓶颈。 “归元”模型正是为解决这一核心问题而设计。它采用了独特的双模态编码策略：一方面利用分子结构表征对小分子药物进行编码，另一方面借助蛋白语言模型对生长因子、细胞因子等生物大分子进行编码，再将两类信息统一投射到同一个高维表徵空间。在这一空间里，模型能够学习并预测不同因子组合对细胞命运的最终影响，实现从“盲目试错”到“智能推荐”的跨越。 值得关注的是，“归元”并非一个简单的“黑盒”预测器。研究团队在模型中专门加入了可解释性模块，使得模型输出的结果能够与已知的生物信号通路建立语义关联。换言之，AI不仅能告诉研究人员“哪一组因子组合最有可能成功”，还能解释“为什么这一组合有效”，为深入理解细胞命运决定的分子机制提供了重要线索。 在模型完成对全部近400万种潜在组合的模拟预测后，研究团队根据模型推荐的最优方案进行了实验验证，成功获得了高质量的下胚层样干细胞。在天然胚胎发育过程中，下胚层细胞通常只在受精后第5至7天短暂出现，参与营养支持、发育信号传导、胚胎着床以及早期卵黄囊形成等关键事件。由于这一阶段转瞬即逝，研究人员长期以来难以系统研究其形成机制与生理功能。 而此次培育的下胚层样干细胞在分子特征上与天然下胚层细胞高度相似，能够稳定表达关键多能性因子。更重要的是，其质量超过了目前已报道的同类型细胞，在体外连续传代50代后仍能保持正常的干细胞功能特性。这一成果为后续的基础研究和细胞治疗应用提供了稳定、可扩增的细胞来源。 西湖大学研究员刘晓东表示，下胚层细胞在早期胚胎发育中扮演着不可替代的角色，其功能异常可能与反复流产、胚胎着床失败等人类生殖健康问题密切相关。然而由于这类细胞在体外难以长期稳定培养，过去相关研究往往面临材料匮乏的困境。“现在，我们借助AI找到了更优的细胞命运调控方案，为研究人员提供了可扩增、可深入研究的理想材料。”刘晓东强调，该成果不仅将助力人类早期胚胎发育的基础研究，也有望推动体外造血、类胚胎构建以及细胞治疗等多个领域的应用探索。 目前，研究团队已经将“归元”模型扩展到其他细胞命运调控任务中，包括为帕金森病细胞治疗管线项目制备高纯度的多巴胺神经元前体细胞，以及优化其他类型功能细胞的生产工艺。这些实践表明，该模型具备良好的通用性与迁移能力，正在从单一研究工具向平台式技术底座演进。 从更宏观的视角来看，西湖大学与达摩院此次合作的成功，得益于将AI模型、大规模组合扰动实验与干细胞生物学的有机结合。这种新型研究范式有望彻底改变传统细胞重编程研究中“大海捞针”式的探索模式，将数十年甚至更长时间的试错周期压缩至数月乃至数周。 业内分析人士认为，“归元”模型代表了一种可复制、可拓展的方法论，在细胞工程、疾病建模和个性化再生医学中蕴藏着广阔的应用潜力和想象空间。未来，随着扰动数据规模和维度的进一步提升，AI驱动下的干细胞命运调控有望变得更加精准、高效，最终惠及人类健康。 通过这次联合攻关，西湖大学与达摩院不仅展示了跨学科融合的强大创新能力，也为中国在AI生命科学交叉领域赢得了重要的技术先机。随着“归元”模型的持续迭代与推广，人工智能与细胞生物学的深度融合正在揭开一个崭新的研究时代。