Målet er intet mindre end at forvandle biologisk og medicinsk forskning fra en langsom, dyr og tilfældig eksperimentel proces til en effektiv, struktureret in silico-rejse inden for en indlært 'verdensmodel' af biologi . Fase 1 af AIDO blev allerede udgivet af GenBio AI i december 2024 , men artiklen er også ærlig omkring de betydelige forhindringer, der stadig ligger forude, såsom skæve træningsdata og den enorme udfordring i at integrere heterogene biologiske datasæt .

Blåprøjte og arkitektur: En modulopbygget stak af AI-modeller

AIDO er ikke én enkelt model, men et modulært, sammenkoblet og holistisk system af transformer-baserede foundation-modeller, som hver især er specialiseret i én biologisk skala :

• AIDO.DNA – Modellerer genomsekvensen og lægger grundlaget for at forstå genetisk variation og dens effekter .
• AIDO.RNA – En model med 1,6 milliarder parametre, trænet på 42 millioner ikke-kodende RNA-sekvenser med enkelt-nukleotid-opløsning .
• AIDO.Protein – Lærer proteinsekvenser, -struktur og -funktion .
• AIDO.Cell – En serie af 'encoder-only' tætte Transformermodeller med op til 650 millioner parametre, trænet på 50 millioner humane celler fra forskellige væv og dækker cirka 20.000 gener per celle .
• AIDO.Tissue – Modellerer adfærd på vævsniveau og cellulære interaktioner .
• AIDO.Biology – Et overordnet 'verdensmodel'-lag, der integrerer på tværs af alle de lavere skalaer for at simulere resultater på organismeniveau .

Det afgørende designvalg er, at disse moduler kan forbindes – så en forstyrrelse, som et nyt lægemiddel eller en genetisk redigering, kan spores logisk på tværs af skalaer: fra molekylær interaktion over cellulær respons og vævseffekt hele vejen til et forudsagt sundhedsudfald .

Målet: En simuleringsplatform og 'verdensmodel' for biologi

Den centrale ambition er at skabe en beregningsmæssig 'verdensmodel' af biologi, der kan simulere, hvordan en ændring på DNA-niveau forplanter sig gennem proteiner, celler, væv og fænotyper på organismeniveau . Dette ville give forskere mulighed for at:

• Simulere sygdomme og komplekse biologiske processer på en computer og dermed springe års vådlaboratorie-eksperimenter over .
• Forudsige effekter og toksicitet af lægemidler, før der overhovedet udføres et vådlaboratorie-eksperiment, hvilket dramatisk vil reducere antallet af kandidater, der skal testes fysisk .
• Hurtigt teste millioner af in silico-forstyrrelser, så det kun er de mest lovende kandidater, der går videre til eksperimentel validering .

Projektet er blevet beskrevet som at bygge en 'flysimulator for medicin', hvor forskere kan eksperimentere virtuelt, før de går i gang med virkelige eksperimenter .

Sammenligning med andre virtuelle celle-projekter

Konceptet om en AI-drevet virtuel celle er ikke unikt for AIDO-holdet. Chan Zuckerberg BioHub (CZI) offentliggjorde i samarbejde med Stanford og Genentech en samtidig Nature-artikel (december 2024) om AI Virtual Cells (AIVCs) – multispektrale, multimodale store neurale netværksmodeller designet til at repræsentere molekyler, celler og væv . CZI afholdt også en workshop om virtuelle celler, der identificerede mange af de samme flaskehalse, herunder dataheterogenitet, støj, reproducerbarhedsudfordringer og behovet for bedre multimodale benchmarks .

De væsentligste forskelle mellem de to flagskibsprojekter:

På trods af forskelle i omfang og stadie deler begge projekter den samme grundlæggende udfordring: at integrere højst heterogene omics-data – enkeltcelle-RNA-sekventering, proteomics, epigenomics, metabolomics – i samlede, sammenhængende modeller .

Anerkendte begrænsninger

AIDO-artiklen og den tilhørende mediedækning identificerer flere betydelige begrænsninger, som dæmper den indledende begejstring :

• Skæve og ufuldstændige træningsdata: Nuværende biologiske datasæt er stærkt skævt fordelt mod velstuderede cellelinjer, almindelige sygdomme og befolkningsgrupper af europæisk oprindelse. Dette kan skævvride model-forudsigelser og potentielt forværre demografiske uligheder i sundhedsvæsenet .
• Patientvariabilitet: Menneskets biologiske mangfoldighed på tværs af genetiske baggrunde, aldre og helbredsstatus er enorm og dårligt dækket af eksisterende træningskohorter. Forfatterne påpeger udtrykkeligt, at modellerne måske ikke kan generalisere, når de anvendes på underrepræsenterede befolkningsgrupper .
• Integrering af heterogene data: At fusionere data på tværs af modaliteter – fra transkriptomik til proteomik til billeddannelse til kliniske journaler – er fortsat teknisk vanskeligt på grund af forskelle i skala, måleusikkerhed og manglende datamønstre .
• Mangel på standardiserede benchmarks: Uden tværfaglige evalueringsrammer er det vanskeligt objektivt at sammenligne modeller fra forskellige grupper eller vurdere deres robusthed i den virkelige verden .

Anvendelser: Screening af lægemiddelkandidater og håndtering af udbrud

To anvendelser fremhæves som de mest oplagte kortsigtede mål for AIDO :

• Screening af lægemiddelkandidater: AIDO kunne simulere millioner af forbindelser in silico og forudsige deres molekylære binding, cellulære respons, toksicitet på vævsniveau og effektivitet på organismeniveau før noget vådlaboratoriearbejde. Dette ville dramatisk reducere antallet af kandidater, der kræver eksperimentel testning, og dermed mindske både omkostningerne og fejlraten i præklinisk udvikling .
• Acceleration af respons på smitsomme sygdomsudbrud: Fordi systemet er modulært og trænet på grundlæggende biologiske mønstre (snarere end blot én enkelt patogen), kunne det hurtigt tilpasses til at modellere en ny virus eller bakteriel trussel. Forskere kunne simulere infektionsdynamikker, teste biblioteker af eksisterende lægemidler for genanvendelse og forudsige immunresponser på tværs af den virtuelle organisme på dage eller uger i stedet for måneder .

Målet er intet mindre end at forvandle biologisk og medicinsk forskning fra en langsom, dyr og tilfældig eksperimentel proces til en effektiv, struktureret in silico-rejse inden for en indlært 'verdensmodel' af biologi . Fase 1 af AIDO blev allerede udgivet af GenBio AI i december 2024 , men artiklen er også ærlig omkring de betydelige forhindringer, der stadig ligger forude, såsom skæve træningsdata og den enorme udfordring i at integrere heterogene biologiske datasæt .

Blåprøjte og arkitektur: En modulopbygget stak af AI-modeller

AIDO er ikke én enkelt model, men et modulært, sammenkoblet og holistisk system af transformer-baserede foundation-modeller, som hver især er specialiseret i én biologisk skala :

• AIDO.DNA – Modellerer genomsekvensen og lægger grundlaget for at forstå genetisk variation og dens effekter .
• AIDO.RNA – En model med 1,6 milliarder parametre, trænet på 42 millioner ikke-kodende RNA-sekvenser med enkelt-nukleotid-opløsning .
• AIDO.Protein – Lærer proteinsekvenser, -struktur og -funktion .
• AIDO.Cell – En serie af 'encoder-only' tætte Transformermodeller med op til 650 millioner parametre, trænet på 50 millioner humane celler fra forskellige væv og dækker cirka 20.000 gener per celle .
• AIDO.Tissue – Modellerer adfærd på vævsniveau og cellulære interaktioner .
• AIDO.Biology – Et overordnet 'verdensmodel'-lag, der integrerer på tværs af alle de lavere skalaer for at simulere resultater på organismeniveau .

Det afgørende designvalg er, at disse moduler kan forbindes – så en forstyrrelse, som et nyt lægemiddel eller en genetisk redigering, kan spores logisk på tværs af skalaer: fra molekylær interaktion over cellulær respons og vævseffekt hele vejen til et forudsagt sundhedsudfald .

Målet: En simuleringsplatform og 'verdensmodel' for biologi

Den centrale ambition er at skabe en beregningsmæssig 'verdensmodel' af biologi, der kan simulere, hvordan en ændring på DNA-niveau forplanter sig gennem proteiner, celler, væv og fænotyper på organismeniveau . Dette ville give forskere mulighed for at:

• Simulere sygdomme og komplekse biologiske processer på en computer og dermed springe års vådlaboratorie-eksperimenter over .
• Forudsige effekter og toksicitet af lægemidler, før der overhovedet udføres et vådlaboratorie-eksperiment, hvilket dramatisk vil reducere antallet af kandidater, der skal testes fysisk .
• Hurtigt teste millioner af in silico-forstyrrelser, så det kun er de mest lovende kandidater, der går videre til eksperimentel validering .

Projektet er blevet beskrevet som at bygge en 'flysimulator for medicin', hvor forskere kan eksperimentere virtuelt, før de går i gang med virkelige eksperimenter .

Sammenligning med andre virtuelle celle-projekter

Konceptet om en AI-drevet virtuel celle er ikke unikt for AIDO-holdet. Chan Zuckerberg BioHub (CZI) offentliggjorde i samarbejde med Stanford og Genentech en samtidig Nature-artikel (december 2024) om AI Virtual Cells (AIVCs) – multispektrale, multimodale store neurale netværksmodeller designet til at repræsentere molekyler, celler og væv . CZI afholdt også en workshop om virtuelle celler, der identificerede mange af de samme flaskehalse, herunder dataheterogenitet, støj, reproducerbarhedsudfordringer og behovet for bedre multimodale benchmarks .

De væsentligste forskelle mellem de to flagskibsprojekter:

På trods af forskelle i omfang og stadie deler begge projekter den samme grundlæggende udfordring: at integrere højst heterogene omics-data – enkeltcelle-RNA-sekventering, proteomics, epigenomics, metabolomics – i samlede, sammenhængende modeller .

Anerkendte begrænsninger

AIDO-artiklen og den tilhørende mediedækning identificerer flere betydelige begrænsninger, som dæmper den indledende begejstring :

• Skæve og ufuldstændige træningsdata: Nuværende biologiske datasæt er stærkt skævt fordelt mod velstuderede cellelinjer, almindelige sygdomme og befolkningsgrupper af europæisk oprindelse. Dette kan skævvride model-forudsigelser og potentielt forværre demografiske uligheder i sundhedsvæsenet .
• Patientvariabilitet: Menneskets biologiske mangfoldighed på tværs af genetiske baggrunde, aldre og helbredsstatus er enorm og dårligt dækket af eksisterende træningskohorter. Forfatterne påpeger udtrykkeligt, at modellerne måske ikke kan generalisere, når de anvendes på underrepræsenterede befolkningsgrupper .
• Integrering af heterogene data: At fusionere data på tværs af modaliteter – fra transkriptomik til proteomik til billeddannelse til kliniske journaler – er fortsat teknisk vanskeligt på grund af forskelle i skala, måleusikkerhed og manglende datamønstre .
• Mangel på standardiserede benchmarks: Uden tværfaglige evalueringsrammer er det vanskeligt objektivt at sammenligne modeller fra forskellige grupper eller vurdere deres robusthed i den virkelige verden .

Anvendelser: Screening af lægemiddelkandidater og håndtering af udbrud

To anvendelser fremhæves som de mest oplagte kortsigtede mål for AIDO :

• Screening af lægemiddelkandidater: AIDO kunne simulere millioner af forbindelser in silico og forudsige deres molekylære binding, cellulære respons, toksicitet på vævsniveau og effektivitet på organismeniveau før noget vådlaboratoriearbejde. Dette ville dramatisk reducere antallet af kandidater, der kræver eksperimentel testning, og dermed mindske både omkostningerne og fejlraten i præklinisk udvikling .
• Acceleration af respons på smitsomme sygdomsudbrud: Fordi systemet er modulært og trænet på grundlæggende biologiske mønstre (snarere end blot én enkelt patogen), kunne det hurtigt tilpasses til at modellere en ny virus eller bakteriel trussel. Forskere kunne simulere infektionsdynamikker, teste biblioteker af eksisterende lægemidler for genanvendelse og forudsige immunresponser på tværs af den virtuelle organisme på dage eller uger i stedet for måneder .