开始之前，先厘清这些问题。

AI 虚拟细胞是利用数据与计算模型，表征细胞状态并研究其在药物、基因或环境变化下响应的方法。具体模型通常只覆盖部分细胞类型、测量模态与扰动条件，并不等同于完整复制一个活细胞。

细胞状态预测关注细胞当前或未来的分子、形态与功能特征；药物响应模拟进一步引入化合物、剂量、暴露时间等条件，研究细胞在干预后的变化。两者可共享细胞状态表示，但任务与验证指标不同。

先明确任务。单细胞转录组任务通常需要表达矩阵、细胞及样本元数据、对照组、扰动条件、剂量和时间信息；影像任务需要原始图像、采集设置及对应标签。是否适用，取决于数据质量、覆盖范围与授权条件。

细胞层面的预测不能直接等同于人体疗效。体内药代、组织微环境、免疫反应与安全性等因素需要额外证据。模型适合帮助提出与筛选研究假设，关键结论仍需实验及后续研究验证。

应同时考察独立测试集表现、与简单基线的比较、不同细胞背景下的泛化能力以及生物学读出的合理性。训练与测试数据应按研究目标隔离，避免相同供体、批次或近似条件造成数据泄漏。

根据数据质量、任务范围、计算需求与验证资源评估。在项目方案中确认交付清单、里程碑、费用和验收标准，不预设所有项目都能达到同一性能或周期。