2026-05-07 08:23
扫码打开虎嗅APP
本文来自微信公众号： 深究科学 ，编译：齐萱，作者：深究科学
AI正在重塑生物学，但最大的瓶颈不是算法，而是数据。
近日，Biohub宣布投入5亿美元启动“虚拟生物学计划”，联合MIT、哈佛、英伟达等全球顶尖机构，旨在构建基于AI的人类细胞预测模型。
该计划将建立开放、标准化的数据基础，打破数据孤岛，推动医学变革。从单细胞到整个人体，这场全球协同的科学实验有望真正实现“模拟生命”，开启精准医学的新时代。
4月29日，由普莉希拉·陈（Priscilla Chan）与马克·扎克伯格（Mark Zuckerberg）共同创立的生物医学研究组织Biohub宣布，将在未来五年内投入5亿美元，启动“虚拟生物学计划”（Virtual Biology Initiative），旨在为构建基于人工智能的人类细胞预测模型，建立开放、标准化的数据基础。
该计划汇聚了全球顶尖研究机构与企业，包括：麻省理工与哈佛共建的布罗德研究所（Broad Institute）、威康桑格研究所（Wellcome Sanger Institute）、艾伦研究所（Allen Institute）、阿卡研究所（Arc Institute）、英伟达（NVIDIA），以及国际性联盟——人类细胞图谱（Human Cell Atlas）与人类蛋白质图谱（Human Protein Atlas）。
在首期的5亿美元中，1亿美元将用于资助外部研究，支持全球范围内的协同数据生成工作；其余4亿美元将投入Biohub内部，用于开发下一代成像技术、分子工程工具和数据基础设施。
Biohub联合创始人、陈-扎克伯格倡议联合首席执行官普莉希拉·陈表示：“这是一项重大新承诺，旨在帮助构建生物学下一次飞跃所需的数据基础。”
Biohub科学负责人亚历克斯·里维斯（Alex Rives）指出，当前AI在生物学中的最大瓶颈并非算法而是数据。里维斯表示，“要构建能够准确反映生物学全部复杂性、并加速科学研究的AI，我们需要比现有数据高出几个数量级的规模。我们需要从分子到组织层面、在健康与疾病背景下观察细胞的新技术。”
里维斯曾在EvolutionaryScale担任首席科学家，并在Facebook AI任职研究科学家。他补充道，Biohub在这一计划中既是“资助者”，也是“建设者”。
该计划并非从零开始，它建立在Biohub已有的大型数据项目之上，包括CELLxGENE、多器官细胞图谱Tabula Sapiens，以及协调麻省理工、斯坦福、加州大学旧金山分校、哥伦比亚大学和苏黎世联邦理工学院等17个项目的“十亿细胞计划”（Billion Cells Project）。
这一计划覆盖五个国家，各参与机构带来了独特的技术与资源：
布罗德研究所：在单细胞RNA测序和空间转录组学方面处于核心地位。
威康桑格研究所：曾是人类基因组计划的重要贡献者，在疾病基因组学领域领先。
艾伦研究所：提供关键数据集与生物模型。
阿卡研究所：专注于基因组工程与虚拟细胞建模。
英伟达：提供加速计算基础设施、专用软件及技术专家支持。
此外，文艺复兴慈善基金会（Renaissance Philanthropy）也已加入该计划，帮助扩大资助基础。
Biohub方面表示，预计将有更多资助方、研究机构和合作伙伴陆续加入，目前的5亿美元承诺只是一个更宏大全球努力的起点。
布罗德研究所创始主任埃里克·S·兰德（Eric S.Lander）则表示：“完全解读细胞的逻辑是一项巨大挑战，但它有潜力彻底改变医学。这也是一项需要多个团队、多种视角共同协作的挑战。”
国际性联盟人类细胞图谱与人类蛋白质图谱也参与进来。人类细胞图谱目前已拥有来自100多个国家、1700多家机构的3900多名成员，将利用下一代空间组学技术扩展其细胞图谱。总部位于瑞典、自2003年运行至今的人类蛋白质图谱，将为该项目贡献蛋白质组学和成像数据。
斯坦福大学及瑞典皇家理工学院人类蛋白质图谱联合主任艾玛·伦德伯格（Emma Lundberg）指出：“一个全球协调、面向现代AI生物学的数据基础，正是我们打破数据孤岛、加速实现高保真生物学模拟器所需要的。”
值得强调的是，该计划生成的所有数据将向全球科学界公开、免费开放。
普莉希拉·陈则直言：“目前大多数生物学数据是孤岛式的、专有的，而且只用于回答某个特定问题。我们需要的是开放、标准化、供所有人使用并在此基础上继续构建的基础数据集。”
参考资料
Biohub puts$500 million behind AI biology push with MIT,Harvard,and NVIDIA
https://www.edtechinnovationhub.com/news/biohub-puts-500-million-behind-ai-biology-push-with-mit-harvard-and-nvidia
