西湖大学联手达摩院发布「归元」：让AI替干细胞研究员做400万次实验

7月14日，西湖大学和阿里达摩院联合放出了一个叫「归元」的AI模型，专门用来预测干细胞命运。这个名字取得挺讲究——归元，回到最初的状态，正好对应干细胞重编程要干的事：把一个已经分化定型的细胞，拽回到具有多种发育潜能的起点。

听起来玄，但这件事在生物学界的意义不小。2006 年山中伸弥用四个转录因子把皮肤细胞变回诱导多能干细胞（iPSC），后来直接拿了诺贝尔奖。二十年过去，怎么把细胞更精准地引导到某个特定状态，仍然是实验室里最费时费钱的活儿之一。

400万种组合，靠人试要几十年

先说清楚这个问题有多难。

干细胞重编程涉及 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。这些东西两两、三三、四四地组合，浓度还要调，理论上能凑出接近 400 万种不同的实验方案。

达摩院资深算法专家顾斐给了个直观的说法：如果一个一个做实验去验证，可能得几十年。而且传统做法高度依赖研究员的经验和直觉——今天觉得 A+B 靠谱，试完不行；明天再试 A+C，还是不行。烧钱、烧时间、烧研究生。

这就是典型的组合爆炸问题，而组合爆炸恰好是深度学习最擅长的场景之一。AlphaFold 干蛋白质结构预测，本质上也是从天文数字的构象空间里找答案。归元的思路，某种程度上是把这套方法论迁移到了细胞命运预测上。

双模态编码：小分子和蛋白，怎么放进同一个模型

归元最核心的技术设计，是它的双模态编码策略。

这里有个绕不开的工程难题：小分子药物和蛋白类生长因子，是完全不同的两类物质。小分子结构简单，几十个原子组成一个骨架，用化学式或者 SMILES 就能表示；蛋白质则动辄几百上千个氨基酸，折叠成复杂的三维结构，性质由序列决定。

归元的做法是：

• 小分子这一路，走分子结构表征编码，本质上是把化学图结构变成向量
• 生长因子和细胞因子这一路，用蛋白语言模型——类似把 ESM、ProtBERT 那套东西拿过来，把氨基酸序列编码成语义向量
• 两条通路的输出，被投射到同一个高维表征空间

统一到一个空间之后，模型才能理解「小分子 A + 蛋白 B」这种混合组合对细胞的联合作用。这个思路不算首创，多模态融合在 CLIP、Flamingo 这些视觉语言模型里早就是标配，但把它用在干细胞组合扰动预测上，工程上还是要重新设计。

可解释性：不是黑盒，能告诉你「为什么有效」

这一点值得单独拎出来说。

生物医学领域对 AI 的接受度，跟互联网圈完全是两回事。互联网做推荐系统，模型效果好就行，没人在意为什么用户会点这条视频。但生物学不一样——一个组合方案预测得再准，如果说不清楚背后是哪条信号通路在起作用，研究员就没法基于它设计下一步实验，审稿人也未必买账。

归元在模型里加了可解释性模块，让预测结果能对应到已知的生物学信号通路上。也就是说，AI 不光告诉你「A+B+C 这个组合能把细胞推向下胚层状态」，还会给你指出「因为它激活了 XXX 通路、抑制了 YYY 通路」。

这一点在实用性上比模型精度更关键。对研究员来说，一个能给出机制解释的模型，才是能真正嵌入科研工作流的工具，而不是玄学神谕。

实测：培育出的下胚层细胞，能传代50代

光有模型不算完，得看实验验证。

研究团队让归元把近 400 万种组合都跑了一遍模拟预测，挑出最优方案，然后在实验室里真做出来了——下胚层样干细胞。

下胚层这个东西有点特殊。在天然胚胎里，它只在受精后第 5 到 7 天短暂出现，负责营养支持、发育信号传导、胚胎着床、早期卵黄囊形成这些关键动作，然后就迅速分化消失。因为「一闪而过」，过去研究员想系统研究它几乎不可能——你根本抓不住它。

归元指导下培育出的这批下胚层样干细胞，做了几个关键测试：

1. 分子特征与天然下胚层细胞高度相似
2. 稳定表达关键多能性因子
3. 体外持续传代 50 代仍保持干细胞功能特性

最后这一条特别重要。传代 50 代意味着这批细胞能作为稳定的研究素材长期使用，而不是做一次实验就没了。西湖大学研究员刘晓东提到，下胚层细胞异常可能和反复流产、胚胎着床失败密切相关，过去这类细胞在体外很难长期稳定培养，现在有了可靠来源，后续做体外造血、类胚胎构建、细胞治疗研究，都有了实打实的起点。

「基础模型」这个定位，野心不小

值得注意的是，团队把归元定位成基础模型（foundation model），而不是一个针对下胚层的专用模型。

这里的区别是：专用模型只能解决一个特定任务，基础模型则是学到了细胞命运转换的通用规律，理论上可以迁移到其他细胞类型的重编程任务上。下胚层只是这次做出来的第一个成果，接下来大概率还会有心肌、神经、造血等方向的应用。

从这个角度看，归元的思路和 AlphaFold 系列是一脉相承的——先解决一个基础的表征和预测问题，再让它在下游任务上开枝散叶。中国团队在生物 AI 方向做基础模型，能拿出这种水准的成果，还是挺有分量的。

一点观察

这两年 AI for Science 特别热，但真正做出有说服力成果的项目并不多。归元这个工作有几点比较扎实：

• 问题定义清晰：400 万组合的组合优化，AI 优势明显
• 数据是自己攒的：团队专门构建了大规模组合扰动数据集，不是拿公开数据蹭
• 有闭环验证：模型预测 → 实验验证 → 拿到真实细胞，链路完整
• 有可解释性：不是「效果好就发论文」，而是能对接现有生物学知识

当然也有值得继续观察的地方。比如模型对未见过的因子组合泛化能力如何，可解释性模块给出的通路分析是不是真的经得起生物学专家推敲，这些都需要后续更多论文和实验数据来支撑。

对开发者来说，如果你对生物 AI 方向感兴趣，归元这类工作释放了一个信号：多模态融合 + 领域先验 + 大规模扰动数据，这个配方在垂直科学领域正在跑通。类似的思路，完全可以套用到药物筛选、材料合成、酶设计这些同样面对组合爆炸的场景上。

下一次组合优化问题打到你桌上，别再一个个试了。

参考来源

• 西湖大学联合阿里达摩院推出干细胞 AI 模型「归元」，可精准调控细胞「逆生长」 - IT之家：IT之家关于归元模型发布的原始报道，包含技术细节和研究团队访谈