清华大学自动化系江瑞课题组近日发布面向单细胞蛋白组的基础模型ProtCell，相关论文《ProtCell:a foundation model for single-cell proteomics》同步公开。该模型汇集约3.8亿个细胞、98个公开数据集用于预训练与评估，能够精准映射细胞状态、推断未测蛋白表达，为药物研发与前沿“虚拟细胞”构建提供底座支撑。
论文同时披露了一项值得关注的工程验证结果：团队在摩尔线程旗舰级AI训推一体智算卡MTT S5000上成功完成了ProtCell的全流程预训练复现，主要定量评测指标与国际主流GPU平台的差异仅约0.2％。这一结果验证了摩尔线程全功能GPU（Universal GPU）与MUSA全栈软件生态对前沿生命科学基础模型的承载力，也意味着国产算力在AI for Science这类对精度与稳定性要求较高的场景中具备了可复现的工程能力。
从模型定位看，ProtCell属于单细胞蛋白组学方向的基础模型。与转录组数据相比，蛋白组数据在临床与药物研发中的直接参考价值更高，但受限于质谱检测的通量与成本，单细胞层面的蛋白表达数据长期存在稀疏、缺失等问题。ProtCell通过大规模预训练学习细胞状态表征，进而对未测蛋白表达进行推断，这类能力在靶点发现、药物响应预测等环节具有潜在应用空间。
“虚拟细胞”是ProtCell指向的更大目标。该方向旨在用AI在计算机中构建细胞的运行模型，描述细胞当前状态，并预测细胞在受到药物、基因编辑等干预后的动态变化，已成为全球AI4S竞争的核心战略高地。国际上，顶尖科研机构与科技巨头正加速投入数十亿美元与万卡级算力集群竞逐这一领域。在国内，《国务院关于深入实施“人工智能+”行动的意见》将“人工智能+”科学技术列为重点行动首位，政策层面对该方向的重视程度持续提升。
值得注意的还有数据与算力的自主性问题。虚拟细胞研发所依赖的基因组、蛋白组等核心数据高度涉及国家生物遗传资源安全，构建自主可控的先进算力基座因此具有现实必要性。此次ProtCell在国产智算卡上完成全流程预训练复现，且指标差异控制在0.2％左右，为生命科学基础模型在国产软硬件栈上的规模化训练提供了一个可参照的样本。
从行业影响看，基础模型与算力平台的联合验证正在成为AI4S领域的常见路径：模型侧需要足够规模的算力完成预训练与复现，算力侧则需要真实的高价值科学负载来检验生态成熟度。ProtCell与MTT S5000的组合验证了这条路径的可行性，后续能否在更多生命科学模型上复制这一结果，将决定国产全功能GPU在科研计算市场的实际渗透节奏。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
