Teknisesti AIDO on rakennettu pinoksi toisiinsa kytkettyjä perusmalleja, joista jokainen on erikoistunut yhdelle biologiselle tasolle:

• DNA/RNA-taso – esim. AIDO.RNA (1,6 miljardia parametria, koulutettu 42 miljoonalla ei-koodaavalla RNA-sekvenssillä yksittäisen nukleotidin tarkkuudella)
• Proteiinirakennetaso – esim. AIDO.StructureTokenizer (300 miljoonan parametrin VQ-VAE proteiinirakenteiden koodaamiseen)
• Solutaso – esim. AIDO.Cell (tiheät transformeri-enkooderit 3–650 miljoonalla parametrilla geeniekspressiolle ja solutilalle)
• Kudos- ja elintaso
• Terveysvaikutusten ja kliininen taso

Nämä moduulit on suunniteltu yhdistettäviksi: tieto kulkee tasojen välillä niin, että DNA-tason muutos (esim. CRISPR-muokkaus) voidaan viedä ylöspäin proteiinien toiminnan, solukäyttäytymisen, kudosvasteen ja lopulta ennustettujen kliinisten tulosten kautta .

GenBio AI:n lähiajan tavoite ja yhteistyö NVIDIA:n kanssa

GenBio AI:n välitön käytännön tavoite on rakentaa ”virtuaalinen solu” – tekoälyn maailmanmalli, joka pystyy ennustamaan, simuloimaan ja lopulta ohjelmoimaan solukäyttäytymistä kaikilla biologisilla tasoilla . Keskeisiä lähiajan tuotoksia ovat:

• VCHarness, autonominen agenttijärjestelmä, joka rakentaa, testaa ja parantaa tekoälymalleja ihmisen soluista. Yritys raportoi, että VCHarness pystyy löytämään uusia arkkitehtuureja päivissä kuukausien sijaan .
• Virallinen yhteistyö NVIDIA:n kanssa, joka julkistettiin kesäkuussa 2026. GenBio AI aikoo hyödyntää NVIDIA:n siruja, mallinkehitystyökaluja ja agenttikehyksiä – erityisesti integroimalla BioNeMo-alustan, Megatron-ohjelmiston ja BioNeMo Agent Toolkit -työkalupakin – nopeuttaakseen virtuaalisen solun maailmanmallien kehitystä .

Vertailu Chan Zuckerberg BioHubin virtuaalisen solun alustaan

Lyhyesti: AIDO tavoittelee vertikaalisesti integroidumpaa, koko organismin kattavaa pinon mallia, mutta startup-pohjaisena ja osittain kaupallisena. CZI:n lähestymistapa on keskittyneempi solutasoon, vahvasti avoimeen tieteeseen nojaava ja paljon suuremman filantrooppisen sitoumuksen tukema.

Tunnustetut rajoitukset ja haasteet

AIDO:n Nature Medicine -artikkeli ja siihen liittyvät tekniset julkaisut tunnustavat useita merkittäviä haasteita:

• Harhainen ja puutteellinen koulutusdata. Mallit ovat vain yhtä hyviä kuin data, jolla ne on koulutettu. Jos koulutusdata aliedustaa tiettyjä väestöryhmiä, syntyperiä tai sairaustiloja, digitaalinen organismi tuottaa vääristyneitä tai epäluotettavia ennusteita. Yleinen tekoäly lääketieteessä -kirjallisuus toteaa, että riittämättömät otoskoot tietyille potilasryhmille johtavat heikkoon suorituskykyyn ja kliinisesti merkityksettömiin ennusteisiin .
• Potilasvaihtelu. Yksilöllinen geneettinen tausta, ympäristö, elämäntavat ja liitännäissairaudet luovat valtavaa heterogeenisyyttä. Yksi ”digitaalinen organismi”, joka toimisi kaikilla ihmisillä, on äärimmäisen haastavaa; tutkijat huomauttavat, että potilaskohtainen mukauttaminen on edelleen avoin ongelma .
• Syy-seuraussuhteiden päätely. Perusmallit ovat pohjimmiltaan korrelaatiokoneita – ne oppivat datan tilastollisia malleja, eivät kausaalimekanismeja. Kirjoittajat myöntävät, että siirtyminen ”mitä tapahtuu” -ennustuksesta ”miksi se tapahtuu ja mikä interventio muuttaisi tulosta” -ymmärrykseen vaatii kausaalipäätelyn viitekehysten integrointia, mikä on perinteiselle koneoppimiselle vaikeaa . Laajempi kirjallisuus vahvistaa, että korrelaatiopohjainen tekoäly biologiassa toimii usein ”mustana laatikkona” ja että interventioiden kausaalivaikutuksen mittaaminen on erillinen, ratkaisematon haaste .
• Mittakaava ja laskentateho. Koko organismin simulointi riittävällä tarkkuudella vaatii valtavasti laskentaresursseja ja dataa, jota ei vielä ole tarvittavassa mittakaavassa .
• Validointi. Sen todistaminen, että digitaalisen organismin ennusteet pitävät paikkansa todellisissa biologisissa järjestelmissä – ja että ne yleistyvät koulutusdatan ulkopuolelle – on perustavanlaatuinen este, jota ala vasta alkaa ratkaista .

Teknisesti AIDO on rakennettu pinoksi toisiinsa kytkettyjä perusmalleja, joista jokainen on erikoistunut yhdelle biologiselle tasolle:

• DNA/RNA-taso – esim. AIDO.RNA (1,6 miljardia parametria, koulutettu 42 miljoonalla ei-koodaavalla RNA-sekvenssillä yksittäisen nukleotidin tarkkuudella)
• Proteiinirakennetaso – esim. AIDO.StructureTokenizer (300 miljoonan parametrin VQ-VAE proteiinirakenteiden koodaamiseen)
• Solutaso – esim. AIDO.Cell (tiheät transformeri-enkooderit 3–650 miljoonalla parametrilla geeniekspressiolle ja solutilalle)
• Kudos- ja elintaso
• Terveysvaikutusten ja kliininen taso

Nämä moduulit on suunniteltu yhdistettäviksi: tieto kulkee tasojen välillä niin, että DNA-tason muutos (esim. CRISPR-muokkaus) voidaan viedä ylöspäin proteiinien toiminnan, solukäyttäytymisen, kudosvasteen ja lopulta ennustettujen kliinisten tulosten kautta .

GenBio AI:n lähiajan tavoite ja yhteistyö NVIDIA:n kanssa

GenBio AI:n välitön käytännön tavoite on rakentaa ”virtuaalinen solu” – tekoälyn maailmanmalli, joka pystyy ennustamaan, simuloimaan ja lopulta ohjelmoimaan solukäyttäytymistä kaikilla biologisilla tasoilla . Keskeisiä lähiajan tuotoksia ovat:

• VCHarness, autonominen agenttijärjestelmä, joka rakentaa, testaa ja parantaa tekoälymalleja ihmisen soluista. Yritys raportoi, että VCHarness pystyy löytämään uusia arkkitehtuureja päivissä kuukausien sijaan .
• Virallinen yhteistyö NVIDIA:n kanssa, joka julkistettiin kesäkuussa 2026. GenBio AI aikoo hyödyntää NVIDIA:n siruja, mallinkehitystyökaluja ja agenttikehyksiä – erityisesti integroimalla BioNeMo-alustan, Megatron-ohjelmiston ja BioNeMo Agent Toolkit -työkalupakin – nopeuttaakseen virtuaalisen solun maailmanmallien kehitystä .

Vertailu Chan Zuckerberg BioHubin virtuaalisen solun alustaan

Lyhyesti: AIDO tavoittelee vertikaalisesti integroidumpaa, koko organismin kattavaa pinon mallia, mutta startup-pohjaisena ja osittain kaupallisena. CZI:n lähestymistapa on keskittyneempi solutasoon, vahvasti avoimeen tieteeseen nojaava ja paljon suuremman filantrooppisen sitoumuksen tukema.

Tunnustetut rajoitukset ja haasteet

AIDO:n Nature Medicine -artikkeli ja siihen liittyvät tekniset julkaisut tunnustavat useita merkittäviä haasteita:

• Harhainen ja puutteellinen koulutusdata. Mallit ovat vain yhtä hyviä kuin data, jolla ne on koulutettu. Jos koulutusdata aliedustaa tiettyjä väestöryhmiä, syntyperiä tai sairaustiloja, digitaalinen organismi tuottaa vääristyneitä tai epäluotettavia ennusteita. Yleinen tekoäly lääketieteessä -kirjallisuus toteaa, että riittämättömät otoskoot tietyille potilasryhmille johtavat heikkoon suorituskykyyn ja kliinisesti merkityksettömiin ennusteisiin .
• Potilasvaihtelu. Yksilöllinen geneettinen tausta, ympäristö, elämäntavat ja liitännäissairaudet luovat valtavaa heterogeenisyyttä. Yksi ”digitaalinen organismi”, joka toimisi kaikilla ihmisillä, on äärimmäisen haastavaa; tutkijat huomauttavat, että potilaskohtainen mukauttaminen on edelleen avoin ongelma .
• Syy-seuraussuhteiden päätely. Perusmallit ovat pohjimmiltaan korrelaatiokoneita – ne oppivat datan tilastollisia malleja, eivät kausaalimekanismeja. Kirjoittajat myöntävät, että siirtyminen ”mitä tapahtuu” -ennustuksesta ”miksi se tapahtuu ja mikä interventio muuttaisi tulosta” -ymmärrykseen vaatii kausaalipäätelyn viitekehysten integrointia, mikä on perinteiselle koneoppimiselle vaikeaa . Laajempi kirjallisuus vahvistaa, että korrelaatiopohjainen tekoäly biologiassa toimii usein ”mustana laatikkona” ja että interventioiden kausaalivaikutuksen mittaaminen on erillinen, ratkaisematon haaste .
• Mittakaava ja laskentateho. Koko organismin simulointi riittävällä tarkkuudella vaatii valtavasti laskentaresursseja ja dataa, jota ei vielä ole tarvittavassa mittakaavassa .
• Validointi. Sen todistaminen, että digitaalisen organismin ennusteet pitävät paikkansa todellisissa biologisissa järjestelmissä – ja että ne yleistyvät koulutusdatan ulkopuolelle – on perustavanlaatuinen este, jota ala vasta alkaa ratkaista .