人工智能+虚拟细胞的构建
VIRTUAL CELL CONSTRUCTION · AI + VIRTUAL SIMULATION
人工智能技术贯穿实验教学全过程，以辅助学生学习为定位，最终结论由学生独立作出。
预训练细胞基础模型（基于开源模型的轻量化教学部署），提供通用细胞表征能力。
肿瘤细胞系扰动响应预测模型，在基础模型之上针对教学场景微调。
细胞类型注释、轨迹推断、批次校正专项模块，对应实验各功能环节。
按学生操作进度推送预习清单、关键文献与阶段提示，辅助学生拟定实验方案并推荐参考配置。
基于大语言模型的检索增强问答（先检索知识库相关内容再生成回答）与结果解释，输出标注置信度、来源与适用范围。
内置知识库涵盖实验原理、操作规程与关键文献要点；基于大语言模型的答疑助手解答概念与流程问题；流程引导智能体按学生操作进度推送阶段提示，辅助学生拟定实验方案并推荐参考配置。
细胞基础模型对学生每步操作即时返回计算结果，如质控指标达标情况、注释合理性、扰动后的表达变化曲线；系统自动识别参数设置不当、缺少对照等操作偏差并给出提示，支持方案多轮迭代，反馈周期由真实实验的数周缩短至秒级。
平台承担表征计算、差异表达基因分析与通路富集等底层运算，学生调用分析工具完成细胞类型注释与结果可视化，聚焦结果解读；大语言模型对分析输出给出解释要点，并将超出学生知识储备的术语与通路链接至知识库对应条目。
系统全程记录操作日志、方案迭代轨迹与预测表现，结合实验报告质量自动生成过程性评分与能力画像；教师端可查看全班操作分布、定位共性问题。
人工智能介入步骤 1—22 中的关键环节，逐环节对应明确。
| 介入位置 | AI 能力 | 具体作用 |
|---|---|---|
| 课前 步骤 1—4 | 流程引导智能体、答疑助手 | 推送预习清单、关键文献与阶段自测题；解答概念与流程问题；辅助拟定实验方案；关键概念界面同步提供概念卡片与动画讲解 |
| 课中 步骤 6—7 | 参数智能提示（规则引擎） | 质控参数超出通行参考区间（最少检测基因数 200—300、线粒体基因占比 10%）时即时提示并给出调整建议 |
| 步骤 12 | 基础模型自动计算 | 注释置信度由基础模型自动计算输出，辅助识别需人工复核的细胞 |
| 步骤 14 | 过拟合预警 | 以验证集指标变化提示微调轮数是否恰当 |
| 步骤 17—18 | 扰动响应预测 | 预训练细胞基础模型将敲除或药物条件编码为条件向量，在表征空间推演扰动后的表达谱变化 |
| 步骤 20—21 | 结果解释 | 大语言模型对图表输出给出解释要点，并将术语与通路链接至知识库条目 |
| 课后 步骤 22 | 过程性评价 | 自动汇总操作日志、预测表现与迭代轨迹，生成能力画像 |
AI 不是答案的来源，而是被约束的辅助工具——这一点本身也是教学内容。
人工智能输出均标注来源与适用范围；可量化预测的置信度说明其计算与校准方式。
平台提示数据使用规范，引导学生批判性使用模型结果，认识模型对未见扰动预测能力的局限。
最终结论由学生独立作出；药物扰动模拟输出仅用于学习流程并形成待验证假设，不作为研发依据。