清华系AI虚拟细胞，拿下近亿元种子轮！

从预测分子到理解生命：深度细胞以“AI+物理”重构药物研发，构建面向生命科学的自进化通用人工智能。

近日，AI制药与虚拟细胞创新企业深度细胞（IterMIX）完成近亿元种子轮融资，本轮融资由中科创星、顺禧基金、千骥资本共同领投，鼎峰科创、水木创投和清科控股参与投资。与此同时，深度细胞徐世浩博士亮相央视新闻相关创业访谈。

这不仅是资本市场对一家科技创业公司的认可，更标志着一个新的生命科学研究范式正在加速形成：

AI正在从单一工具，迈向理解生命规律、高精度设计全新药物，乃至自主提出并验证科学假设的新型科研主体。

围绕这一目标，深度细胞选择同时走向两个极致：

极致求深，突破AI分子模型的精度和泛化性边界；

极致求广，构建能够理解疾病机制的虚拟细胞世界模型智能系统。

最终，以分子相互作用模型作为底层引擎，以虚拟细胞作为更高尺度的应用和推演系统。前者提供微观机制，后者提供疾病背景和干预目标，实验结果再反向训练底层模型，形成统一闭环。

极致求深：用“AI+物理”突破

药物设计的精度和泛化性极限

当前主流AI制药模型大多依赖海量结构与序列数据，从历史样本中学习统计规律。这一路径推动了生命科学人工智能的快速发展，却也面临一个根本性瓶颈：

生命并非简单静态的数据集合，而是由力、能量、运动、环境和多种相互作用共同驱动的动态系统。

当模型面对训练数据之外的新型分子、新型靶点、复杂生物分子相互作用，以及缺乏已知结构信息的难成药体系时，单纯依赖数据相关性往往难以保证预测精度和泛化能力。

深度细胞的解法是：构建一套以分子相互作用智能基座模型为核心的高精度分子设计平台，将AI的表征与生成能力，与分子物理、能量变化、构象动力学和生物环境约束深度融合。这套方案并非简单地在AI模型之外叠加若干物理规则，而是尝试将分子物理机制转化为可学习、可验证的模型约束，让模型在学习海量生命科学数据的同时，逐步形成对分子相互作用规律的本质理解。

在这一方向上，深度细胞将IsoDDE、Chai-2等国际前沿模型视为重要技术标杆，但深度细胞认为，结构预测和分子设计等基础科学问题依然有很大进步空间，公司的目标并非复现或追赶某一个模型，而是进一步突破当前模型精度和能力的边界。

深度细胞希望解决的是更加接近药物研发本质的问题：

·如何预测训练数据中从未出现过的生物分子相互作用；

·如何攻克传统模型难以处理的难成药靶点；

·如何从结构预测进一步走向细胞功能预测与调控机制预测；

·如何支持抗体、蛋白、多肽、分子胶、双抗及其他新型药物模态；

·如何让模型设计出的分子不仅“结构合理”，更具备可验证的细胞功能、可控的活性和真正的成药潜力。

深度细胞创始人陈新栋博士表示：

“AI制药和AI生命科学的核心是准确地理解分子相互作用，相互作用的本质是物理力，我们团队在此领域有着超过20年的深厚积淀，是全球最顶尖的物理力学与AI交叉团队之一。我们希望将AI的学习能力与分子物理世界的基本力学规律结合起来，让模型不仅知道什么可能成立，更能够理解它为什么成立，进而突破当前AI模型的重要瓶颈——精度和泛化能力，让AI从拟合历史数据，走向探索未知生命空间，最终实现生命科学智能的自进化。深度细胞希望推动这一重要范式的跨越。“

极致求广：构建多组学与物理双驱动

的虚拟细胞世界模型

在持续深入分子尺度的同时，深度细胞也在向更复杂的生命系统尺度拓展。疾病往往并不是由单一靶点、单一通路或某一个差异表达基因决定的，而是细胞内部海量生物分子和相互作用，在特定遗传背景、微环境、力学状态和时间过程中共同演化的结果。真正理解疾病，不仅要看到细胞最终呈现出的状态，更要理解这些状态由哪些分子相互作用驱动、如何随时间演化，以及干预其中一个环节后，整个生命系统将如何响应。

深度细胞创始人陈新栋博士，师从清华大学力学系冯西桥院士，在此领域深耕10年，研究横跨量子尺度的分子相互作用计算、分子动力学模拟与细胞尺度物理建模三个不同的生命科学尺度，多篇相关成果发表于 PNAS、ACS Nano 等国际知名期刊。

当前许多虚拟细胞模型主要建立在转录组和扰动数据之上，能够学习细胞状态之间的统计映射，却往往难以回答更深层的问题：

这些状态为什么发生？
哪些分子相互作用真正驱动了疾病？
如果对其中一个环节进行干预，整个细胞系统将如何响应？

为此，深度细胞正在构建以多组学数据与分子物理双轮驱动的虚拟细胞世界模型，形成覆盖“多组学—结构—相互作用—能量—动力学—功能”的统一学习框架，并通过自有实验反馈和高精度模拟数据持续优化模型。在这一体系中，组学数据用于描述细胞在不同疾病、药物和环境条件下呈现出的宏观状态；分子结构、相互作用、动力学和物理机制，则负责解释这些状态背后的深层次微观动因和机制。

深度细胞希望逐步打通从分子到通路、从细胞局部到细胞整体状态、从药物作用到疾病表型的多尺度链路，构建能够模拟细胞状态变化、推演药物干预结果，并辅助发现全新疾病机制的智能系统。相比于“扰动后哪些基因会上调或下调”这类预测，深度细胞更关心的是：

疾病状态下，细胞内部究竟发生了什么；
什么力量推动细胞从健康走向疾病；
又应该设计怎样的分子，才能把细胞重编程回正确的状态。

来源：智药局

加入读者交流群：

联 系 我 们 ：wbfsh@staff.weibo.com