Bauplan und Architektur: Ein modularer Stapel von Foundation-Modellen

AIDO ist kein einzelnes Modell, sondern ein modulares, verbindbares, ganzheitliches System Transformer-basierter Foundation-Modelle, von denen jedes auf eine biologische Ebene spezialisiert ist :

• AIDO.DNA – modelliert die Genomsequenz und legt damit das Fundament für das Verständnis genetischer Variationen und ihrer nachgelagerten Effekte .
• AIDO.RNA – ein 1,6 Milliarden Parameter umfassendes Modell, das auf 42 Millionen nicht-kodierenden RNA-Sequenzen mit Einzelnukleotid-Auflösung vortrainiert wurde .
• AIDO.Protein – erlernt Proteinsequenz, -struktur und -funktion .
• AIDO.Cell – eine Reihe von Encoder-Only Dense-Transformer-Modellen mit bis zu 650 Millionen Parametern, vortrainiert auf 50 Millionen menschlichen Zellen aus verschiedenen Geweben und mit etwa 20.000 Genen pro Zelle .
• AIDO.Tissue – modelliert Verhalten auf Gewebeebene und zelluläre Interaktionen .
• AIDO.Biology – eine übergeordnete „Weltmodell“-Schicht, die alle unteren Ebenen integriert, um Ergebnisse auf Organismusebene zu simulieren .

Die entscheidende Designentscheidung ist, dass diese Module verbindbar sind – so kann eine einzelne Störung wie ein neues Arzneimittelmolekül oder ein genetischer Eingriff logisch über die Ebenen hinweg verfolgt werden: von der molekularen Interaktion über die zelluläre Antwort und den Gewebeeffekt bis hin zum vorhergesagten Gesundheitsergebnis .

Ziel: Ein mehrskaliger Simulator und ein „Weltmodell“ der Biologie

Der zentrale Ehrgeiz ist die Schaffung eines rechnergestützten „Weltmodells der Biologie“, das simulieren kann, wie sich eine Veränderung auf DNA-Ebene durch Proteine, Zellen, Gewebe und Phänotypen auf Organismusebene fortpflanzt . Dies würde es Forschern ermöglichen:

• Krankheiten und komplexe biologische Prozesse rechnergestützt zu simulieren und damit Jahre nasser Laborexperimente zu umgehen .
• Arzneimittelwirkungen und -toxizität vorherzusagen, bevor überhaupt ein nasses Laborexperiment durchgeführt wird, was die Anzahl der Kandidaten, die physisch getestet werden müssen, drastisch reduziert .
• Millionen von In-silico-Eingriffen schnell zu testen und den Kreis der Kandidaten für die experimentelle Validierung auf die vielversprechendsten einzugrenzen .

Das Projekt wurde als Bau eines „Flugsimulators für die Medizin“ beschrieben, in dem Wissenschaftler virtuell experimentieren können, bevor sie sich auf reale Experimente einlassen .

Vergleich mit anderen Bemühungen um virtuelle Zellen

Das Konzept einer KI-gesteuerten virtuellen Zelle ist nicht einzigartig für das AIDO-Team. Die Chan Zuckerberg BioHub (CZI) veröffentlichte zeitgleich mit Stanford und Genentech ein Nature-Perspektivpapier (Dezember 2024) über AI Virtual Cells (AIVCs) – mehrskalige, multimodale große neuronale Netzwerkmodelle zur Darstellung von Molekülen, Zellen und Geweben . Die CZI berief außerdem einen Workshop zu virtuellen Zellen ein, der viele der gleichen Engpässe identifizierte, darunter Datenheterogenität, Rauschen, Reproduzierbarkeitsprobleme und den Bedarf an besseren multimodalen Benchmarks .

Wesentliche Unterschiede zwischen den beiden Vorzeigeprojekten:

Trotz ihrer Unterschiede in Umfang und Stadium teilen beide Projekte dieselbe grundlegende Herausforderung: die Integration hochgradig heterogener Omics-Daten – Einzelzell-RNA-Seq, Proteomik, Epigenomik, Metabolomik – in einheitliche, kohärente Modelle .

Anerkannte Einschränkungen

Das AIDO-Papier und die zugehörige Berichterstattung identifizieren mehrere signifikante Einschränkungen, die die anfängliche Begeisterung dämpfen :

• Verzerrte und unvollständige Trainingsdaten: Aktuelle biologische Datensätze sind stark auf gut untersuchte Zelllinien, häufige Krankheiten und Populationen europäischer Abstammung ausgerichtet. Dies kann Modellvorhersagen verzerren und demografische Ungleichheiten im Gesundheitswesen möglicherweise verschärfen .
• Patientenvariabilität: Die menschliche biologische Vielfalt in Bezug auf genetischen Hintergrund, Alter und Gesundheitszustand ist enorm und wird von bestehenden Trainingskohorten nur unzureichend erfasst. Die Autoren weisen ausdrücklich darauf hin, dass Modelle bei unterrepräsentierten Populationen möglicherweise nicht generalisieren .
• Heterogene Datenintegration: Die Zusammenführung von Daten über Modalitäten hinweg – von Transkriptomik über Proteomik bis hin zu Bildgebung und klinischen Aufzeichnungen – bleibt technisch schwierig aufgrund von Unterschieden in der Skalierung, Messrauschen und fehlenden Datenmustern .
• Fehlende standardisierte Benchmarks: Ohne domänenübergreifende Evaluierungsrahmen ist es schwierig, Modelle verschiedener Gruppen objektiv zu vergleichen oder ihre Robustheit in der realen Welt zu bewerten .

Anwendungen: Filterung von Wirkstoffkandidaten und Reaktion auf Ausbrüche

Zwei Anwendungen werden als kurzfristige Ziele für AIDO am stärksten hervorgehoben :

• Filterung von Wirkstoffkandidaten: AIDO könnte Millionen von Verbindungen in silico simulieren und ihre molekulare Bindung, zelluläre Reaktion, Toxizität auf Gewebeebene und Wirksamkeit auf Organismusebene vorhersagen, bevor irgendeine Laborarbeit anfällt. Dies würde den Pool der Kandidaten, die experimentell getestet werden müssen, drastisch verkleinern und sowohl die Kosten als auch die Ausfallraten der präklinischen Entwicklung senken .

• Beschleunigte Reaktion auf Ausbrüche von Infektionskrankheiten: Da das System modular aufgebaut und auf grundlegenden biologischen Mustern (und nicht nur auf einem einzelnen Erreger) trainiert ist, könnte es schnell angepasst werden, um einen neuartigen Virus oder eine bakterielle Bedrohung zu modellieren. Forscher könnten Infektionsdynamiken simulieren, Bibliotheken vorhandener Medikamente auf Wiederverwendbarkeit testen und Immunantworten im gesamten virtuellen Organismus innerhalb von Tagen oder Wochen statt Monaten vorhersagen .

Bauplan und Architektur: Ein modularer Stapel von Foundation-Modellen

AIDO ist kein einzelnes Modell, sondern ein modulares, verbindbares, ganzheitliches System Transformer-basierter Foundation-Modelle, von denen jedes auf eine biologische Ebene spezialisiert ist :

• AIDO.DNA – modelliert die Genomsequenz und legt damit das Fundament für das Verständnis genetischer Variationen und ihrer nachgelagerten Effekte .
• AIDO.RNA – ein 1,6 Milliarden Parameter umfassendes Modell, das auf 42 Millionen nicht-kodierenden RNA-Sequenzen mit Einzelnukleotid-Auflösung vortrainiert wurde .
• AIDO.Protein – erlernt Proteinsequenz, -struktur und -funktion .
• AIDO.Cell – eine Reihe von Encoder-Only Dense-Transformer-Modellen mit bis zu 650 Millionen Parametern, vortrainiert auf 50 Millionen menschlichen Zellen aus verschiedenen Geweben und mit etwa 20.000 Genen pro Zelle .
• AIDO.Tissue – modelliert Verhalten auf Gewebeebene und zelluläre Interaktionen .
• AIDO.Biology – eine übergeordnete „Weltmodell“-Schicht, die alle unteren Ebenen integriert, um Ergebnisse auf Organismusebene zu simulieren .

Die entscheidende Designentscheidung ist, dass diese Module verbindbar sind – so kann eine einzelne Störung wie ein neues Arzneimittelmolekül oder ein genetischer Eingriff logisch über die Ebenen hinweg verfolgt werden: von der molekularen Interaktion über die zelluläre Antwort und den Gewebeeffekt bis hin zum vorhergesagten Gesundheitsergebnis .

Ziel: Ein mehrskaliger Simulator und ein „Weltmodell“ der Biologie

Der zentrale Ehrgeiz ist die Schaffung eines rechnergestützten „Weltmodells der Biologie“, das simulieren kann, wie sich eine Veränderung auf DNA-Ebene durch Proteine, Zellen, Gewebe und Phänotypen auf Organismusebene fortpflanzt . Dies würde es Forschern ermöglichen:

• Krankheiten und komplexe biologische Prozesse rechnergestützt zu simulieren und damit Jahre nasser Laborexperimente zu umgehen .
• Arzneimittelwirkungen und -toxizität vorherzusagen, bevor überhaupt ein nasses Laborexperiment durchgeführt wird, was die Anzahl der Kandidaten, die physisch getestet werden müssen, drastisch reduziert .
• Millionen von In-silico-Eingriffen schnell zu testen und den Kreis der Kandidaten für die experimentelle Validierung auf die vielversprechendsten einzugrenzen .

Das Projekt wurde als Bau eines „Flugsimulators für die Medizin“ beschrieben, in dem Wissenschaftler virtuell experimentieren können, bevor sie sich auf reale Experimente einlassen .

Vergleich mit anderen Bemühungen um virtuelle Zellen

Das Konzept einer KI-gesteuerten virtuellen Zelle ist nicht einzigartig für das AIDO-Team. Die Chan Zuckerberg BioHub (CZI) veröffentlichte zeitgleich mit Stanford und Genentech ein Nature-Perspektivpapier (Dezember 2024) über AI Virtual Cells (AIVCs) – mehrskalige, multimodale große neuronale Netzwerkmodelle zur Darstellung von Molekülen, Zellen und Geweben . Die CZI berief außerdem einen Workshop zu virtuellen Zellen ein, der viele der gleichen Engpässe identifizierte, darunter Datenheterogenität, Rauschen, Reproduzierbarkeitsprobleme und den Bedarf an besseren multimodalen Benchmarks .

Wesentliche Unterschiede zwischen den beiden Vorzeigeprojekten:

Trotz ihrer Unterschiede in Umfang und Stadium teilen beide Projekte dieselbe grundlegende Herausforderung: die Integration hochgradig heterogener Omics-Daten – Einzelzell-RNA-Seq, Proteomik, Epigenomik, Metabolomik – in einheitliche, kohärente Modelle .

Anerkannte Einschränkungen

Das AIDO-Papier und die zugehörige Berichterstattung identifizieren mehrere signifikante Einschränkungen, die die anfängliche Begeisterung dämpfen :

• Verzerrte und unvollständige Trainingsdaten: Aktuelle biologische Datensätze sind stark auf gut untersuchte Zelllinien, häufige Krankheiten und Populationen europäischer Abstammung ausgerichtet. Dies kann Modellvorhersagen verzerren und demografische Ungleichheiten im Gesundheitswesen möglicherweise verschärfen .
• Patientenvariabilität: Die menschliche biologische Vielfalt in Bezug auf genetischen Hintergrund, Alter und Gesundheitszustand ist enorm und wird von bestehenden Trainingskohorten nur unzureichend erfasst. Die Autoren weisen ausdrücklich darauf hin, dass Modelle bei unterrepräsentierten Populationen möglicherweise nicht generalisieren .
• Heterogene Datenintegration: Die Zusammenführung von Daten über Modalitäten hinweg – von Transkriptomik über Proteomik bis hin zu Bildgebung und klinischen Aufzeichnungen – bleibt technisch schwierig aufgrund von Unterschieden in der Skalierung, Messrauschen und fehlenden Datenmustern .
• Fehlende standardisierte Benchmarks: Ohne domänenübergreifende Evaluierungsrahmen ist es schwierig, Modelle verschiedener Gruppen objektiv zu vergleichen oder ihre Robustheit in der realen Welt zu bewerten .

Anwendungen: Filterung von Wirkstoffkandidaten und Reaktion auf Ausbrüche

Zwei Anwendungen werden als kurzfristige Ziele für AIDO am stärksten hervorgehoben :

• Filterung von Wirkstoffkandidaten: AIDO könnte Millionen von Verbindungen in silico simulieren und ihre molekulare Bindung, zelluläre Reaktion, Toxizität auf Gewebeebene und Wirksamkeit auf Organismusebene vorhersagen, bevor irgendeine Laborarbeit anfällt. Dies würde den Pool der Kandidaten, die experimentell getestet werden müssen, drastisch verkleinern und sowohl die Kosten als auch die Ausfallraten der präklinischen Entwicklung senken .

• Beschleunigte Reaktion auf Ausbrüche von Infektionskrankheiten: Da das System modular aufgebaut und auf grundlegenden biologischen Mustern (und nicht nur auf einem einzelnen Erreger) trainiert ist, könnte es schnell angepasst werden, um einen neuartigen Virus oder eine bakterielle Bedrohung zu modellieren. Forscher könnten Infektionsdynamiken simulieren, Bibliotheken vorhandener Medikamente auf Wiederverwendbarkeit testen und Immunantworten im gesamten virtuellen Organismus innerhalb von Tagen oder Wochen statt Monaten vorhersagen .