Hvad er GenBio AI’s AIDO Cell?

GenBio AI’s AIDO Cell er en preview-version af en såkaldt virtuel celle – en computermodel, der forsøger at simulere, hvordan biologiske ændringer bevæger sig fra DNA og RNA via proteiner til hele cellens adfærd. I stedet for kun at beskrive ét molekyle eller én enkelt måling vil modellen samle flere biologiske niveauer i det samme computermiljø.

Det kan gøre AIDO Cell interessant til virtuel screening og planlægning af laboratorieforsøg. Men de offentligt beskrevne resultater bør tolkes forsigtigt: De viser, at modellen kan genskabe allerede kendt biologi, mens nye forudsigelser om lægemiddelreaktioner endnu ikke er blevet bekræftet i laboratoriet.

Hvad er AIDO Cell designet til?

Modellen har især to egenskaber:

• Flerskala: AIDO Cell forbinder genetisk information, RNA-udtryk, proteiner og cellulær fænotype. Tanken er, at et indgreb – for eksempel at slå et gen ud eller tilføre et lægemiddel – kan følges gennem flere biologiske niveauer og ikke blot ende som en ændring i ét sæt RNA-målinger.
• Stateful: Den simulerede celle bevarer konsekvenserne af tidligere indgreb. Dermed kan forskere modellere forløb i en bestemt rækkefølge, eksempelvis et gen-knockout efterfulgt af et lægemiddel eller gentagne behandlinger, hvor den anden reaktion afhænger af den tilstand, den første behandling skabte.

Det er den praktiske betydning af betegnelsen ”world model”. AIDO Cell skal ikke kun klassificere en statisk biologisk prøve, men forsøge at beskrive, hvordan en celle ændrer tilstand, når den udsættes for en række indgreb.

Hvordan adskiller den sig fra AlphaFold?

AlphaFold er først og fremmest kendt for at forudsige strukturen af et enkelt protein. AIDO Cell har et bredere, systembiologisk mål: at modellere, hvordan et helt cellsystem fungerer, og hvordan ændringer på ét biologisk niveau kan påvirke andre niveauer.

Forskellen er derfor ikke, at AIDO Cell skal erstatte proteinstrukturmodeller. De to systemer forsøger at besvare forskellige spørgsmål. AlphaFold spørger i praksis, hvordan et protein kan se ud; AIDO Cell forsøger at undersøge, hvad der sker med et helt cellulært system, når dets molekylære komponenter eller påvirkninger ændres.

Modellen bygger videre på GenBio AI’s tidligere arbejde med grundmodeller for enkeltceller. AIDO.Cell-modelserien blev trænet på omkring 50 millioner menneskeceller og omfatter modeller fra 3 millioner til 650 millioner parametre. De tidligere modeller var især rettet mod at repræsentere cellers transkriptomiske kontekst. Den nye retning udvider dette fundament mod en integreret simulering på tværs af biologiske skalaer.

Den tredelte AIDO-strategi

AIDO Cell er ét skridt i GenBio AI’s større program, AI-Driven Digital Organism – forkortet AIDO. Udviklingsplanen består af tre overordnede faser:

1. Divide and conquer: Først bygges specialiserede grundmodeller til forskellige biologiske datatyper og skalaer, blandt andet DNA, RNA, proteiner, celler og væv.
2. Connect the dots: Derefter forbindes modellerne, så information, repræsentationer og biologiske indgreb kan bevæge sig på tværs af skalaerne.
3. Integreret simulering og programmering: På længere sigt skal det samlede system bruges til at forudsige biologiske resultater og muligvis hjælpe med at designe indgreb i biologiske systemer. Det er fortsat AIDO’s langsigtede vision – ikke en dokumenteret egenskab ved den nuværende preview-version af AIDO Cell.

GenBio AI har tidligere beskrevet AIDO som et system af flerskala-modeller, der spænder over blandt andet DNA, RNA, proteiner og enkeltcelleudtryk. Den store udfordring er ikke kun at træne større modeller. De forskellige biologiske repræsentationer skal også fungere sammen på en måde, der giver brugbare, årsagslignende simuleringer og forudsigelser, som kan testes eksperimentelt.

Hvad viste demonstrationen med imatinib?

I den første offentligt beskrevne case study oplyste GenBio AI, at AIDO Cell genskabte de kendte virkninger og den etablerede virkningsmekanisme for imatinib i K562-leukæmiceller. Demonstrationen skulle vise, hvordan modellen kan følge et lægemiddels konsekvenser gennem det simulerede cellemiljø.

Det er et relevant proof of concept, men det er ikke det samme som en fremadrettet validering. At genskabe kendt biologi efterfølgende viser ikke i sig selv, at modellen kan forudsige reaktionen på et ukendt lægemiddel, finde et nyt virksomt stof eller klare sig bedre end enklere beregningsmetoder. GenBio AI har ikke offentligt fremlagt de kvantitative nøjagtighedsmål, statistiske analyser, direkte sammenligninger eller prospektive laboratorietests, der skulle understøtte stærkere konklusioner.

Hvilke celler understøtter modellen?

Den nuværende preview-version understøtter to immortaliserede menneskelige cellelinjer:

• K562, som blev brugt i casen med imatinib
• HepG2

GenBio AI har beskrevet flere celletyper og funktioner som planlagte udvidelser i 2026–27. Det er vigtigt, fordi resultater fra et lille antal immortaliserede cellelinjer ikke automatisk kan overføres til primære menneskeceller, væv eller patienter.

Hvordan kan AIDO Cell bruges i udviklingen af lægemidler?

En virtuel celle kan i princippet gøre udviklingsarbejdet mere effektivt ved at lade forskere undersøge mange hypoteser, før hver enkelt sendes videre til laboratoriet. Brugere vil eksempelvis kunne sammenligne mulige lægemidler, målproteiner, kombinationer og behandlingsforløb og lede efter cellulære reaktioner, der peger på effekt, resistens eller mulige bivirkninger uden for det tilsigtede mål.

Den mest realistiske kortsigtede anvendelse er derfor prioritering af kandidater. AIDO Cell kan potentielt hjælpe forskere med at udvælge de stoffer, der fortjener dyrere forsøg, pege på indgreb, der er værd at undersøge, og afsløre svagheder i et forsøgsdesign. Den kan også bidrage til bedre opfølgende studier ved at vise, hvordan en reaktion ændrer sig efter et tidligere indgreb.

Det er en funktion til filtrering og planlægning – ikke en klinisk garanti. En cellelinjemodel beskriver ikke i sig selv lægemidlers omsætning i hele kroppen, samspillet med immunforsvar og væv, forskelle mellem patienter, toksicitet eller kliniske resultater. En virtuel celle er ikke det samme som et komplet virtuelt menneske, og en reaktion i en computersimulering kan ikke erstatte dyreforsøg, kliniske studier eller dokumentation over for myndigheder.

Den afgørende begrænsning: Forudsigelser skal stadig testes mod biologien

Den centrale prøve for AIDO Cell bliver prospektiv validering: Kan modellen forudsige reaktioner, som ikke indgik i den oprindelige demonstration – og holder forudsigelserne, når de testes i kontrollerede forsøg?

Indtil sådanne resultater foreligger, er den mest præcise beskrivelse, at AIDO Cell er et lovende lag til virtuel screening og forsøgsplanlægning. Den flerskala og stateful arkitektur kan gøre biologiske simuleringer mere realistiske og potentielt mere nyttige end isolerede molekylære eller transkriptomiske modeller. Men arkitekturen i sig selv dokumenterer ikke forudsigelsesnøjagtighed. Afstanden mellem at genskabe kendt biologi og at opdage pålidelig ny biologi er fortsat den afgørende videnskabelige udfordring.

Adgang og status

GenBio AI forbereder et program med tidlig adgang for samarbejdspartnere fra universiteter, biotekvirksomheder og medicinalindustrien.

AIDO Cell bør derfor på nuværende tidspunkt ses som et tidligt forskningssystem: ambitiøst i sit sigte og potentielt nyttigt til at indsnævre det eksperimentelle søgefelt, men endnu uden den prospektive dokumentation, der skal til for at underbygge stærkere påstande om lægemiddeludvikling eller en erstatning for biologiske forsøg.