Suunnitelma ja arkkitehtuuri: Modulaarinen pino perustason malleja

AIDO ei ole yksittäinen malli, vaan modulaarinen, toisiinsa kytkettävä ja kokonaisvaltainen järjestelmä, joka koostuu transformer-pohjaisista perustason malleista. Kukin malli on erikoistunut yhdelle biologiselle tasolle :

• AIDO.DNA – mallintaa genomin sekvenssiä, luoden pohjan geneettisen vaihtelun ja sen vaikutusten ymmärtämiselle .
• AIDO.RNA – 1,6 miljardin parametrin malli, joka on esiharjoitettu 42 miljoonalla ei-koodaavalla RNA-sekvenssillä yksittäisen nukleotidin tarkkuudella .
• AIDO.Protein – oppii proteiinien sekvenssin, rakenteen ja toiminnan .
• AIDO.Cell – sarja encoder-tyyppisiä tiheitä transformereita, joissa on enintään 650 miljoonaa parametria. Ne on esiharjoitettu 50 miljoonalla ihmissolulla eri kudoksista ja ne kattavat noin 20 000 geeniä solua kohden .
• AIDO.Tissue – mallintaa kudostason käyttäytymistä ja solujen välisiä vuorovaikutuksia .
• AIDO.Biology – kattava "maailmanmalli"-kerros, joka yhdistää kaikki alemmat tasot ja simuloi koko organismin toimintaa .

Kriittinen suunnitteluratkaisu on, että nämä moduulit ovat kytkettävissä toisiinsa. Näin ollen yksittäinen muutos, kuten uusi lääkeainemolekyyli tai geneettinen muokkaus, voidaan seurata loogisesti tasolta toiselle: molekyylivuorovaikutuksesta soluvasteen kautta kudosvaikutukseen ja aina ennustettuun terveysvaikutukseen saakka .

Tavoite: Monitasoinen simulaattori ja biologian "maailmanmalli"

Keskeinen tavoite on luoda laskennallinen biologian "maailmanmalli", joka pystyy simuloimaan, miten DNA-tason muutos leviää proteiinien, solujen, kudosten ja koko organismin ilmentymien kautta . Tämä antaisi tutkijoille mahdollisuuden:

• Simuloida sairauksia ja monimutkaisia biologisia prosesseja tietokoneella ohittaen vuosien märkälaboratoriotyön .
• Ennustaa lääkeaineiden vaikutuksia ja toksisuutta ennen kuin niitä testataan laboratoriossa – mikä vähentäisi dramaattisesti fyysisesti testattavien ehdokkaiden määrää .
• Testata nopeasti miljoonia tietokonesimulaatioita, joista vain lupaavimmat siirtyvät kokeelliseen validointiin .

Hanketta on kuvattu lääketieteen "lentosimulaattoriksi", jossa tutkijat voivat kokeilla virtuaalisesti ennen kuin he sitoutuvat oikeisiin kokeisiin .

Vertailu muihin virtuaalisten solujen hankkeisiin

AIDO-tiimin visio ei ole ainutlaatuinen. Chan Zuckerberg BioHub (CZI) julkaisi yhteistyössä Stanfordin ja Genentechin kanssa samanaikaisesti joulukuussa 2024 Nature-lehdessä oman näkemyksensä AI Virtual Cells (AIVCs) -hankkeesta – monitasoisista ja monimuotoisista suurista neuroverkkomal-leista, jotka edustavat molekyylejä, soluja ja kudoksia . CZI järjesti myös virtuaalisten solujen työpajan, jossa tunnistettiin samat pullonkaulat, kuten datan heterogeenisyys, kohina, toistettavuushaasteet ja parempien monimuotoisten vertailuarvojen tarve .

Keskeiset erot näiden kahden lippulaivahankkeen välillä:

Laajuus- ja vaihe-eroista huolimatta molemmat hankkeet kohtaavat saman perustavanlaatuisen haasteen: erittäin heterogeenisen omiikka-datan (yksittäisen solun RNA-sekvensointi, proteomiikka, epigenomiikka, metabolomiikka) yhdistäminen yhtenäisiksi malleiksi .

Tunnustetut rajoitukset

AIDO-tutkimus ja siitä kertovat artikkelit tunnistavat useita merkittäviä rajoituksia, jotka hillitsevät alkuinnostusta :

• Harhainen ja puutteellinen harjoitusdata: Nykyiset biologiset aineistot ovat pahasti vinoja: ne painottuvat hyvin tutkittuihin solulinjoihin, yleisiin sairauksiin ja eurooppalaistaustaisiin väestöihin. Tämä voi vääristää mallien ennusteita ja jopa pahentaa terveydenhuollon demografisia eriarvoisuuksia .
• Potilaiden välinen vaihtelu: Ihmisen biologinen monimuotoisuus geneettisten taustojen, iän ja terveydentilan suhteen on valtavaa, eivätkä olemassa olevat harjoituskohortit sitä tavoita. Kirjoittajat huomauttavat nimenomaisesti, että mallit eivät välttämättä toimi aliedustetuilla väestöryhmillä .
• Heterogeenisen datan integrointi: Datan yhdistäminen eri modaliteeteista – transkriptomiikasta proteomiikkaan, kuvantamiseen ja kliinisiin tietoihin – on yhä teknisesti vaikeaa, koska mittakaavat, mittauskohina ja puuttuvan datan mallit eroavat toisistaan .
• Yhtenäisten vertailuarvojen puute: Ilman poikkitieteellisiä arviointikehyksiä on vaikea vertailla eri ryhmien malleja tai arvioida niiden todellista suorituskykyä .

Sovellukset: Lääkeaine-ehdokkaiden suodatus ja epidemioihin vastaaminen

Tutkimuksessa korostetaan erityisesti kahta lähitulevaisuuden käyttökohdetta AIDO:lle :

• Lääkeaine-ehdokkaiden suodatus: AIDO voisi simuloida miljoonia yhdisteitä tietokoneella ennustaen niiden molekyylisitoutumista, soluvastetta, kudostason toksisuutta ja koko organismin tehoa ennen laboratoriotyötä. Tämä supistaisi dramaattisesti kokeellisesti testattavien ehdokkaiden määrää, mikä vähentäisi sekä esikliinisen kehityksen kustannuksia että epäonnistumisia .
• Tartuntatautiepidemioihin vastaamisen nopeuttaminen: Koska järjestelmä on modulaarinen ja se on harjoitettu perustavanlaatuisilla biologisilla malleilla (eikä vain yhdellä patogeenillä), sitä voitaisiin nopeasti mukauttaa uuden viruksen tai bakteeriuhan mallintamiseen. Tutkijat voisivat simuloida infektiodynamiikkaa, testata olemassa olevia lääkeainekirjastoja uudelleenkäyttöä varten ja ennustaa immuunivasteita virtuaalisessa organismissa päivissä tai viikoissa kuukausien sijaan .

Suunnitelma ja arkkitehtuuri: Modulaarinen pino perustason malleja

AIDO ei ole yksittäinen malli, vaan modulaarinen, toisiinsa kytkettävä ja kokonaisvaltainen järjestelmä, joka koostuu transformer-pohjaisista perustason malleista. Kukin malli on erikoistunut yhdelle biologiselle tasolle :

• AIDO.DNA – mallintaa genomin sekvenssiä, luoden pohjan geneettisen vaihtelun ja sen vaikutusten ymmärtämiselle .
• AIDO.RNA – 1,6 miljardin parametrin malli, joka on esiharjoitettu 42 miljoonalla ei-koodaavalla RNA-sekvenssillä yksittäisen nukleotidin tarkkuudella .
• AIDO.Protein – oppii proteiinien sekvenssin, rakenteen ja toiminnan .
• AIDO.Cell – sarja encoder-tyyppisiä tiheitä transformereita, joissa on enintään 650 miljoonaa parametria. Ne on esiharjoitettu 50 miljoonalla ihmissolulla eri kudoksista ja ne kattavat noin 20 000 geeniä solua kohden .
• AIDO.Tissue – mallintaa kudostason käyttäytymistä ja solujen välisiä vuorovaikutuksia .
• AIDO.Biology – kattava "maailmanmalli"-kerros, joka yhdistää kaikki alemmat tasot ja simuloi koko organismin toimintaa .

Kriittinen suunnitteluratkaisu on, että nämä moduulit ovat kytkettävissä toisiinsa. Näin ollen yksittäinen muutos, kuten uusi lääkeainemolekyyli tai geneettinen muokkaus, voidaan seurata loogisesti tasolta toiselle: molekyylivuorovaikutuksesta soluvasteen kautta kudosvaikutukseen ja aina ennustettuun terveysvaikutukseen saakka .

Tavoite: Monitasoinen simulaattori ja biologian "maailmanmalli"

Keskeinen tavoite on luoda laskennallinen biologian "maailmanmalli", joka pystyy simuloimaan, miten DNA-tason muutos leviää proteiinien, solujen, kudosten ja koko organismin ilmentymien kautta . Tämä antaisi tutkijoille mahdollisuuden:

• Simuloida sairauksia ja monimutkaisia biologisia prosesseja tietokoneella ohittaen vuosien märkälaboratoriotyön .
• Ennustaa lääkeaineiden vaikutuksia ja toksisuutta ennen kuin niitä testataan laboratoriossa – mikä vähentäisi dramaattisesti fyysisesti testattavien ehdokkaiden määrää .
• Testata nopeasti miljoonia tietokonesimulaatioita, joista vain lupaavimmat siirtyvät kokeelliseen validointiin .

Hanketta on kuvattu lääketieteen "lentosimulaattoriksi", jossa tutkijat voivat kokeilla virtuaalisesti ennen kuin he sitoutuvat oikeisiin kokeisiin .

Vertailu muihin virtuaalisten solujen hankkeisiin

AIDO-tiimin visio ei ole ainutlaatuinen. Chan Zuckerberg BioHub (CZI) julkaisi yhteistyössä Stanfordin ja Genentechin kanssa samanaikaisesti joulukuussa 2024 Nature-lehdessä oman näkemyksensä AI Virtual Cells (AIVCs) -hankkeesta – monitasoisista ja monimuotoisista suurista neuroverkkomal-leista, jotka edustavat molekyylejä, soluja ja kudoksia . CZI järjesti myös virtuaalisten solujen työpajan, jossa tunnistettiin samat pullonkaulat, kuten datan heterogeenisyys, kohina, toistettavuushaasteet ja parempien monimuotoisten vertailuarvojen tarve .

Keskeiset erot näiden kahden lippulaivahankkeen välillä:

Laajuus- ja vaihe-eroista huolimatta molemmat hankkeet kohtaavat saman perustavanlaatuisen haasteen: erittäin heterogeenisen omiikka-datan (yksittäisen solun RNA-sekvensointi, proteomiikka, epigenomiikka, metabolomiikka) yhdistäminen yhtenäisiksi malleiksi .

Tunnustetut rajoitukset

AIDO-tutkimus ja siitä kertovat artikkelit tunnistavat useita merkittäviä rajoituksia, jotka hillitsevät alkuinnostusta :

• Harhainen ja puutteellinen harjoitusdata: Nykyiset biologiset aineistot ovat pahasti vinoja: ne painottuvat hyvin tutkittuihin solulinjoihin, yleisiin sairauksiin ja eurooppalaistaustaisiin väestöihin. Tämä voi vääristää mallien ennusteita ja jopa pahentaa terveydenhuollon demografisia eriarvoisuuksia .
• Potilaiden välinen vaihtelu: Ihmisen biologinen monimuotoisuus geneettisten taustojen, iän ja terveydentilan suhteen on valtavaa, eivätkä olemassa olevat harjoituskohortit sitä tavoita. Kirjoittajat huomauttavat nimenomaisesti, että mallit eivät välttämättä toimi aliedustetuilla väestöryhmillä .
• Heterogeenisen datan integrointi: Datan yhdistäminen eri modaliteeteista – transkriptomiikasta proteomiikkaan, kuvantamiseen ja kliinisiin tietoihin – on yhä teknisesti vaikeaa, koska mittakaavat, mittauskohina ja puuttuvan datan mallit eroavat toisistaan .
• Yhtenäisten vertailuarvojen puute: Ilman poikkitieteellisiä arviointikehyksiä on vaikea vertailla eri ryhmien malleja tai arvioida niiden todellista suorituskykyä .

Sovellukset: Lääkeaine-ehdokkaiden suodatus ja epidemioihin vastaaminen

Tutkimuksessa korostetaan erityisesti kahta lähitulevaisuuden käyttökohdetta AIDO:lle :

• Lääkeaine-ehdokkaiden suodatus: AIDO voisi simuloida miljoonia yhdisteitä tietokoneella ennustaen niiden molekyylisitoutumista, soluvastetta, kudostason toksisuutta ja koko organismin tehoa ennen laboratoriotyötä. Tämä supistaisi dramaattisesti kokeellisesti testattavien ehdokkaiden määrää, mikä vähentäisi sekä esikliinisen kehityksen kustannuksia että epäonnistumisia .
• Tartuntatautiepidemioihin vastaamisen nopeuttaminen: Koska järjestelmä on modulaarinen ja se on harjoitettu perustavanlaatuisilla biologisilla malleilla (eikä vain yhdellä patogeenillä), sitä voitaisiin nopeasti mukauttaa uuden viruksen tai bakteeriuhan mallintamiseen. Tutkijat voisivat simuloida infektiodynamiikkaa, testata olemassa olevia lääkeainekirjastoja uudelleenkäyttöä varten ja ennustaa immuunivasteita virtuaalisessa organismissa päivissä tai viikoissa kuukausien sijaan .