Chen, Xindong; Xu, Shihao; Chu, Bizhu et al. · 2024 · ACS Nano
Metadata
Authors: Chen, Xindong; Xu, Shihao; Chu, Bizhu; Guo, Jing; Zhang, Huikai; Sun, Shuyi; Song, Le; Feng, Xi-Qiao
📄 Quick Note¶
摘要概述¶
这篇 Perspective 综述了细胞骨架蛋白（actin、microtubule、intermediate filament）在驱动机理行为（迁移、内吞、免疫突触等）中的机械角色，并梳理了从亚细胞到多细胞尺度的生物物理建模进展。作者指出当前模型虽多，但都未能跨越"分子-细胞"的时空尺度鸿沟直接服务于药物研发。核心贡献是提出一套生成式 AI + 时空多尺度生物物理建模的计算 pipeline（virtual cell），由三个模块组成：BAIE（生物信息驱动 AI 引擎，含 GP 基因-蛋白与 DP 药物-蛋白两个子模块）、MDE（分子动力学引擎）、CME（连续介质力学引擎），通过 GP/DP → MDE → CME 的串联把基因编辑或药物分子设计映射到细胞动态行为预测，并以量化反馈迭代优化设计。作者认为该 pipeline 可把大量湿实验迁移到计算机仿真，大幅缩短药物研发周期与成本。
关键图表¶
- Figure 1 — 细胞骨架执行的各种细胞功能（迁移、内吞、巨吞、免疫突触、神经轴突等），强调 actin 聚合产生推力驱动多种行为；一句话：actin 网络是细胞力学生成与形态发生的主力机械装置。
- Figure 3 — 亚细胞、单细胞、多细胞尺度的生物物理模型谱系（branched actin 组装模型、conformational change 模型、clutch 模型、tensegrity 模型、dynamic vertex 模型等）；一句话：现有建模横跨多尺度，但彼此割裂、未打通分子到细胞的链条。
- Figure 4 — 全文核心：BAIE → MDE → CME 的虚拟细胞 pipeline 总览图，展示从基因/药物设计输入到细胞行为预测并反馈优化的闭环；一句话：这是把生成式 AI、MD 与连续介质力学耦合以加速药物研发的总框架图。
与我的关联¶
对血管 G&R / 细胞迁移的连续介质建模有方法学参考价值——尤其 CME 模块对细胞骨架驱动的细胞力学行为建模，可借鉴其"分子输入→连续介质行为输出"的耦合思路；其 virtual cell 框架也提示可用生成式 AI 辅助 G&R 参数辨识与药物靶点筛选。