AIDO Cell chce modelovat buňku jako živý systém. Zatím však zůstává hlavně výzkumným prototypem

Právě proto GenBio AI používá označení „world model“ neboli model světa. Nejde jen o klasifikaci statického biologického vzorku, ale o pokus zachytit, jak se buněčný stav mění v čase a v reakci na posloupnost zásahů.

V čem se liší od AlphaFold

AlphaFold je známý především předpovídáním struktury jednotlivých proteinů. AIDO Cell míří na širší systémovou úroveň: chce modelovat, jak funguje molekulární aparát celé buňky a jak změna v jedné biologické vrstvě ovlivní další vrstvy.

Neznamená to, že by AIDO Cell měl AlphaFold nahradit. Oba systémy řeší odlišné otázky. AlphaFold se ptá, jak může protein vypadat; AIDO Cell se snaží zkoumat, co se stane s buněčným systémem, když se změní jeho molekulární součásti nebo vstupy.

Nový směr zároveň navazuje na dřívější práci GenBio AI v oblasti základních modelů pro jednotlivé buňky. Rodina modelů AIDO.Cell byla trénována na přibližně 50 milionech lidských buněk a zahrnuje modely s 3 až 650 miliony parametrů. Původní systém se soustředil především na zachycení transkriptomového kontextu. Virtuální buňka tuto základnu rozšiřuje směrem k integrované simulaci napříč biologickými měřítky.

Tři kroky k digitálnímu organismu

AIDO Cell je součástí širšího programu AI-Driven Digital Organism, zkráceně AIDO. GenBio AI jeho vývoj popisuje ve třech etapách:

1. Rozdělit a zvládnout jednotlivé části: vytvořit specializované základní modely pro různé typy biologických dat a úrovně, například DNA, RNA, proteiny, buňky a tkáně.
2. Propojit jednotlivé modely: zajistit, aby informace, reprezentace i biologické zásahy mohly přecházet mezi různými měřítky.
3. Integrovaně simulovat a programovat biologii: využít propojený systém k předpovídání biologických výsledků a v budoucnu také k návrhu zásahů v biologických systémech. Jde však o dlouhodobou vizi AIDO, nikoli o schopnost, kterou by současná preview verze AIDO Cell už prokázala.

GenBio AI už dříve popisovala AIDO jako systém víceúrovňových modelů pro DNA, RNA, proteiny a jednověčnou expresi. Nejtěžší částí tohoto plánu není pouze trénovat větší modely. Výzvou je propojit odlišné biologické reprezentace tak, aby byly užitečné pro simulaci zásahů a vedly k předpovědím, které lze ověřit v laboratoři.

Co ukázala demonstrace s imatinibem

V úvodní případové studii GenBio AI uvedla, že AIDO Cell reprodukoval známé účinky a mechanismus imatinibu v leukemických buňkách K562. Demonstrace měla ukázat, jak může model sledovat důsledky léčiva v rámci modelovaného buněčného prostředí.

Je to důležitý důkaz konceptu, nelze jej však zaměňovat za prospektivní validaci. Zpětné reprodukování známé biologie ještě neprokazuje, že model dokáže předpovědět reakci na dosud neznámé léčivo, identifikovat nový účinný přípravek nebo překonat jednodušší výpočetní metody. Veřejně dostupné informace neuvádějí kvantitativní metriky přesnosti, statistické analýzy, přímá srovnání ani prospektivní experimentální ověření, která by takové závěry podpořila.

Jaké buňky model podporuje

Současná preview verze AIDO Cell podporuje dvě imortalizované lidské buněčné linie:

• K562, které byly použity v popsané studii s imatinibem,
• HepG2.

GenBio AI uvádí další typy buněk a nové možnosti jako plánované rozšíření pro roky 2026 až 2027. Výsledky z omezeného počtu imortalizovaných buněčných linií však nelze automaticky zobecnit na primární lidské buňky, tkáně nebo pacienty.

Jak by mohla virtuální buňka pomoci při vývoji léčiv

Virtuální buňka by mohla zefektivnit vývoj léčiv tím, že výzkumníkům umožní předem prověřit více hypotéz, než každou z nich nákladně otestují v laboratoři. Teoreticky by bylo možné porovnávat kandidátní látky, cílové proteiny, kombinace léčiv nebo pořadí léčebných zásahů a hledat signály účinnosti, rezistence či nežádoucích účinků.

Nejrealističtější krátkodobou úlohou je proto prioritizace kandidátů. AIDO Cell může pomoci určit, které látky si zaslouží nákladnější experimenty, které zásahy stojí za ověření a kde může být problém v návrhu studie. Díky stavové architektuře by mohl také pomoci navrhnout informativnější následné experimenty a ukázat, jak se reakce mění po předchozím zásahu.

To je nástroj pro filtrování a plánování, nikoli klinická záruka. Model buněčné linie sám o sobě nezachycuje farmakokinetiku v celém organismu, interakce s imunitním systémem a tkáněmi, rozdíly mezi pacienty, toxicitu ani klinické výsledky. Virtuální buňka není kompletní virtuální člověk a výsledek simulace nemůže nahradit zvířecí studie, klinické zkoušky ani regulační důkazy.

Rozhodující otázka: obstojí předpovědi v biologii?

Nejdůležitější zkouškou AIDO Cell bude prospektivní validace: dokáže model předpovědět reakce, které nebyly použity při vytváření demonstrace, a potvrdí se tyto předpovědi v kontrolovaných experimentech?

Dokud takové důkazy nebudou k dispozici, je nejpřesnější popisovat AIDO Cell jako slibnou vrstvu pro virtuální screening a plánování experimentů. Jeho víceúrovňový a stavový design může vést k realističtějším simulacím než izolované molekulární nebo transkriptomové modely. Samotná architektura však ještě nepotvrzuje přesnost předpovědí. Zásadní vědeckou překážkou zůstává rozdíl mezi reprodukcí známé biologie a spolehlivým objevováním nové.

Přístup a současný stav

GenBio AI připravuje program předběžného přístupu pro spolupracující akademické, biotechnologické a farmaceutické výzkumníky. AIDO Cell je proto zatím nejlepší chápat jako raný výzkumný systém: ambiciózní nástroj, který by mohl zúžit prostor pro experimentální hledání, ale stále čeká na důkazy potřebné pro silnější tvrzení o využití při vývoji léčiv nebo o nahrazení biologických experimentů.