Large Language Models Meet Virtual Cell: A Survey

该文章是首篇系统综述大型语言模型（LLMs）在虚拟细胞研究中应用的文献，核心在于构建统一分类框架并梳理核心任务与挑战，为AI驱动的虚拟细胞发展提供清晰路线图。

一、文章主要内容总结

文章围绕“LLMs如何推动虚拟细胞发展”展开，整体结构分为核心定义、方法分类、任务拆解、挑战与展望四部分，具体如下：

1. 核心背景与定义
   • 虚拟细胞：指在计算机中模拟细胞结构、功能与动态变化的计算系统，可加速药物研发、实现个性化医疗，但传统建模受限于知识不全与数据稀疏。
   • LLMs的价值：凭借大规模数据处理能力，可直接学习核苷酸、转录组等生物数据特征，解决传统虚拟细胞建模的瓶颈，成为当前研究核心驱动力。
2. LLMs应用的两大核心范式
   • LLMs作为“预言机（Oracle）”：直接建模细胞内部状态与动态，无需依赖外部工具。包括6类应用方向，具体如下表：
     | 应用方向 | 核心任务 | 代表模型 |
     |----------------|------------------------------------------|-----------------------------------------------|
     | 核苷酸建模 | 预测染色质状态