这篇发表于 Briefings in Bioinformatics 的综述梳理了虚拟细胞研究的进展与挑战。虚拟细胞旨在用计算方式表示细胞状态，并预测细胞对遗传、化学、环境、时间和空间条件的响应。作者用状态编码（E）、状态转换（T）和观测解码（D）作为统一的概念框架，覆盖显式机制模型、数据驱动的基础模型与扰动模型、多模态系统以及空间与多尺度模拟。文章从模型边界、数据基础、资源披露、分布外评测、因果证据和实验验证等方面展开讨论，并指出独立基准显示参数数量和训练集规模并不会自动带来稳健的分布外泛化，仅靠转录组表征也无法完整刻画细胞的功能状态。
推荐理由：综述用编码、转换、解码三层框架梳理虚拟细胞模型，并指出参数规模与训练集大小未必带来稳健的分布外泛化。
Biohub、美国能源部（DOE）、美国国立卫生研究院（NIH）等资助方宣布扩大一项国际合作，共同投入 18 亿美元的资金、数据、算力和新测量技术，用于生成并开放可用于预测生物学 AI 模型的数据。Wellcome Sanger Institute、Human Cell Atlas、Human Protein Atlas、Allen Institute、Broad Institute 和 Gladstone Institutes 等机构参与其中，作为 Virtual Biology Initiative 的一部分推进。
推荐理由：这项跨国计划把测量技术、开放数据和标准化接口放在一起，可用来观察虚拟细胞类基础模型的数据底座如何搭建。
这篇综述从分子优化与系统级评估的衔接角度梳理 AI 驱动的 RNA 药物设计，比较 siRNA、反义寡核苷酸、适配体、mRNA 和翻译导向 circRNA 各自的设计约束，并评估序列模型、生成模型和结构感知模型的能力与局限。
推荐理由：综述把 RNA 药物设计从分子优化延伸到系统层面评估，梳理了不同 RNA 模态的设计约束与虚拟细胞的定位。
Biohub 与美国能源部、NIH 及新资助伙伴宣布扩展虚拟生物学计划（Virtual Biology Initiative），合计投入 18 亿美元的资金、数据、算力和新测量技术。
推荐理由：这项跨机构投入给出了资金分配与数据标准化分工，可看清虚拟细胞所需开放数据从哪来、由谁整合。
Arc Institute 发布虚拟细胞模型 PIE（Perturbation is Everything），把 Cellosaurus、NCBI、Gene Ontology、DepMap、PubChem 等人工整理知识转成 token 输入，直接预测扰动后群体水平的差异表达基因、方向与幅度。
推荐理由：PIE 把人工整理的生物知识库转成输入，在未见扰动和细胞系上仍能预测差异表达，可看知识源如何影响泛化。
Arc Institute 为 2026 虚拟细胞挑战赛生成了覆盖六种细胞系的 Perturb-seq 数据，任务从去年的同细胞系少样本预测升级为跨细胞系的零样本预测。
推荐理由：Arc 披露 2026 虚拟细胞挑战赛数据集的生成与质控细节，可了解跨细胞系 Perturb-seq 数据如何做到一致可比。
Biohub 联合创始人 Priscilla Chan 发文回顾今年上半年进展，包括 5 月发布基于下一代 ESM 的蛋白质生物学世界模型，可预测蛋白折叠、相互作用与功能并设计新蛋白，已有科学家用它设计抗体候选并在早期实验室测试中针对癌症和免疫相关靶点显示初步结果。
推荐理由：Biohub 联合创始人以第一人称复盘半年进展，把蛋白世界模型、激光相位板与虚拟细胞计划串成一条开放科学路线。