摘要
整合单细胞数据、空间数据与人工智能技术的预测性虚拟胚胎系统，为跨尺度模拟哺乳动物胚胎发育提供了可行路径，有望深化人类对胚胎发育与先天性疾病的基础认知。
尽管发育生物学已取得数10年进展，构建胚胎发育的整合式、可预测模型仍是未解难题，这也是预测性虚拟胚胎系统的核心攻关目标。搭建衔接分子调控、细胞动态与组织水平结构的研究框架，需要兼顾发育过程的时空尺度特征。胚胎发育本身具有天然复杂性，是时空高度协同的过程：从单个受精卵起始，经细胞分裂、迁移与分化，最终形成数万亿高度特化的细胞。这些过程被精准调控，在３维空间中构建出功能性生物体的各类组织与器官。功能性胚胎的成功形成，依赖于严格调控的遗传程序、动态细胞行为（迁移、生长、分裂或凋亡），以及不同空间构型细胞类型间的空间协同信号互作。
xiaojie@stanford.edu
#虚拟胚胎 #基因组学 #人工智能 #胚胎发育 #单细胞时空组学 #先天性疾病
方法学基础
计算技术进展
图1 现有技术与胚胎模型为虚拟胚胎模型构建奠定基础
a. 支撑胚胎建模的5大核心技术类别：活体成像、单细胞RNA测序、谱系示踪、基于测序的空间转录组学、基于成像的空间转录组学；
b. 类器官、类囊胚、原肠胚样模型与合成胚胎等工程化类胚胎系统，可作为体外扰动与验证平台；
c. 里程碑研究时间线，按a中技术类别进行颜色标注，圆点大小反映已测序细胞数的相对规模（对数刻度），相近技术归为1组，横轴为发表年份，纵轴为已测序细胞数。
未来机遇
图2 迈向虚拟胚胎的3类计算方法
a. 描述型方法：对胚胎数据集进行统计整合，左侧为小鼠胚胎细胞的UMAP降维投影，右侧为跨胚层的代表性发育轨迹；DAG：有向无环图；
b. 规则型/物理型方法：利用力学方程模拟生物系统动态，为示意图化建模流程；ODE：常微分方程；
c. 深度学习方法：将多模态检测数据整合为单细胞级AI虚拟细胞模型，用于细胞表征学习；
d. 虚拟胚胎平台：跨发育阶段、覆盖基因-细胞-组织-器官-全胚胎水平的多尺度系统级建模范式，将单细胞与空间基因组学数据融入哺乳动物胚胎发育时空基础模型，并结合AI智能体界面，实现跨尺度发育动态的预测性模拟。
详细总结
思维导图
核心技术分类
与虚拟细胞的核心差异
参考
Nat Methods. 2026 Mar 26. doi: 10.1038/s41592-026-03055-4.
Towards predictive virtual embryos with genomics and AI
260326virtual_embryo.pdf
注：AI辅助创作，如有错误欢迎指出。内容仅供参考，不构成任何建议。
