同一种药，在不同患者身上效果可能天差地别。这个困扰药物研发数十年的问题，如今被一项来自中国团队的人工智能研究正面撞上。

近日，腾讯生命科学实验室与中南大学的联合研究成果《UniPert–G2CP》发表于国际顶级学术期刊《Cell》主刊。据 36 氪报道，这是国内首个在该刊发表的人工智能虚拟细胞（AI Virtual Cell）研究成果。论文由中南大学计算机学院博士生、腾讯生命科学实验室实习生李一鸣担任第一作者，中南大学为第一完成单位；中南大学计算机学院李敏教授、腾讯生命科学实验室姚建华与杨帆共同担任通讯作者。

药物研发一直只答了半道题

过去几十年，人工智能在化学分子这一端的建模越做越精细：AlphaFold 攻克了蛋白结构预测，分子对接模型解决了化合物与靶点的结合问题，QSAR 方法回答了分子的类药性。但这些工作大多停留在”分子本身好不好”的层面，对”这个药对特定突变背景的患者、对特定细胞是否有效”始终缺少理想答案。

代价相当高昂。据研究团队引述的行业数据，一款新药平均需要 26 亿美元投入、十余年周期，而临床二期的失败率高达 70% 以上——大量在分子层面表现优异的化合物，最终在真实细胞和患者身上失效。

更棘手的是数据本身的不对等。理论上可能成为药物的化学分子空间超过 10 的 60 次方个，而目前全球最大的化学扰动图谱 LINCS L1000 仅覆盖约 2 万个化合物。相比之下，人类基因总数约 2 万个，借助 CRISPR 基因编辑技术，一次筛选实验就能并行测试数千个基因，单位成本远低于化合物筛选。

此外，基因由 A、G、C、T 组成的长链序列描述，药物则是原子构成的小分子化合物，两类数据模态差异巨大，传统模型很难把它们放进同一个语义空间来理解。

两步走：先学基因，再学药物

研究团队设计了一个两阶段深度学习框架来破局。

第一阶段是 UniPert，一个基于对比学习的多模态分子表征模型。它首次让基因扰动剂与化合物扰动剂进入同一套”坐标系”，把大分子与小分子编码到共享的语义嵌入空间中。团队利用 53963 对已知的化合物—蛋白相互作用数据作为桥梁，让模型不只判断两者结构是否相像，更学习它们在功能上是否相近。据腾讯方面披露的数据，在 18 类药物作用机制分类任务中，UniPert 相较传统方法准确率平均提升 14.4%；在药物与蛋白结合关系预测中，其给出的前 0.5% 候选命中概率达到随机筛选的 19 倍。

第二阶段是 G2CP（Genetic-to-Chemical Perturbation，从遗传扰动到化学扰动的迁移学习）。它采取的策略是：先用密集、低成本的基因筛选数据做预训练，再用稀疏、昂贵的化学筛选数据做微调。相当于让模型先通读基础生物学教材，再攻读药物化学专业，从而在面对全新化合物时具备细胞背景感知能力，并有效泛化。

论文覆盖的数据规模在该方向上属于最大之列：4994 个基因、7860 个化合物、5 种癌症细胞系，构成超过 8200 万个”干预—响应”配对，是目前该方向数据模态最全的公开建模工作之一。核心模块 UniPert 已在 GitHub 开源。

从预测到解释的闭环

研究团队没有让模型停在跑分层面。在 ESR1 基因与乳腺癌内分泌治疗耐药这一真实临床问题上，UniPert–G2CP 完成了从算法预测到机制解释的闭环验证——不仅预测某种药物会如何作用于耐药相关的细胞通路，还能给出为什么。这种可解释性，对于把人工智能模型真正用于理解疾病和设计药物至关重要。

中南大学方面表示，该框架突破了传统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、构建具有预测能力的虚拟细胞提供了新的计算范式。该研究得到国家自然科学基金杰出青年基金等项目支持。

一条延续四年的技术主线

这次登刊并非孤立事件。自 2022 年 scBERT 发表于《Nature Machine Intelligence》起，腾讯生命科学实验室便确立了”用统一语言描述生命系统”的科研主线：2024 年的 scPROTEIN 处理单细胞蛋白质组的图对比学习，发表于《Nature Methods》；2025 年的 scTranslator 将中心法则转化为人工智能任务，发表于《Nature Biomedical Engineering》。团队以大致每年一篇国际顶刊的节奏推进同一命题。

按照规划，UniPert–G2CP 将作为核心基础能力，以”技能”（Skill）的形式集成到即将发布的人工智能生命科学智能体平台中，服务于药物靶点发现与验证、候选化合物在特定细胞背景下的疗效评估、耐药机制解析等环节。

需要说明的是，这类工作目前仍处于计算方法层面，距离真正改变临床用药决策还有很长的路。但它至少提供了一个新的计算单元——当这类单元被规模化、模块化之后，”数字孪生诊室”这样的设想才有了可以落地的基础。

来源：36氪《腾讯AI虚拟细胞算法登〈Cell〉主刊，系国内首次》、量子位、腾讯生命科学实验室、中南大学计算机学院官网；论文原文：https://www.cell.com/cell/fulltext/S0092-8674(26)00654-9