面向肝病学的AI虚拟细胞：单细胞模型中的表征、生成、动力学与干预

提出以三条互补建模路线组织肝脏AIVC研究：生成模型负责表征细胞状态，动力学与转运模型负责推断状态转换，预训练或基础模型负责检验学习到的表征能否跨供体、病因、疾病阶段和平台迁移。 此前单细胞与空间图谱只能显示细胞状态出现的位置，该综述把分散的建模尝试归入统一框架，使不同技术路线之间的分工与衔接变得可比较。 这是综述层面的概念性组织，依据的是已发表模型的组件级证据，而非新的实验数据。

将扰动响应预测定位为跨层评估手段，用于检验上述各层能否预测对未经测试的遗传、化学、炎症或代谢干预的响应。 把扰动预测从单一任务提升为衡量整个AIVC框架是否可用的横切标准，连接了表征、生成与动力学三类模型。 文中指出已发表模型展示的是回顾性响应程序，属于组件级演示，而非前瞻性验证。

把现有证据分为直接肝脏验证、含肝脏的基准测试、一般单细胞证据和概念性应用四类，并明确这些模型尚不构成经前瞻性验证的肝脏模拟器。 为读者提供了判断某类证据能支持多强结论的分级视角，避免把一般单细胞证据或概念性应用等同于肝脏层面的验证。 该分级来自综述对现有文献的归纳，文中未给出具体样本量或效应量。

提出评估的最低要求：应包含供体、病因、疾病阶段、平台和扰动层面的留出，并以响应方向、差异表达基因与稀有状态的恢复情况以及校准后的不确定性来报告性能；涉及组织或功能层面的预测还需独立的空问、组织学、代谢和功能读出。 把评估标准从单一精度指标扩展到多层面留出与多模态独立验证，为后续研究提供了可操作的报告规范。 这是综述提出的建议性标准，文中未报告按此标准执行的实证结果。

该综述面向肝病学与单细胞建模交叉领域的研究者，适用于规划AIVC相关研究、设计评估方案和判断证据强度的场景；其提出的留出层面与报告指标意在作为评估框架，而非已完成的验证结果。

读者仍需关注：文中未给出具体模型名称、数据集规模或性能数值，因此难以判断各条路线当前的成熟度差异；四类证据分级的具体归属需要查阅全文；此外，本次读取为不完整文本，图表与参考文献未包含在内，可能影响对证据细节的把握。