Plan et architecture : une pile modulaire de modèles de fondation

AIDO n’est pas un modèle unique mais un système modulaire, connectable et holistique de modèles de fondation basés sur des transformeurs, chacun spécialisé pour une échelle biologique :

• AIDO.DNA — modélise la séquence génomique, posant les bases de la compréhension de la variation génétique et de ses effets en aval .
• AIDO.RNA — un modèle de 1,6 milliard de paramètres pré-entraîné sur 42 millions de séquences d’ARN non codant à une résolution de nucléotide unique .
• AIDO.Protein — apprend la séquence, la structure et la fonction des protéines .
• AIDO.Cell — une série de modèles Transformers denses à encodeur seul, comptant jusqu’à 650 millions de paramètres, pré-entraînés sur 50 millions de cellules humaines de divers tissus et couvrant environ 20 000 gènes par cellule .
• AIDO.Tissue — modélise le comportement au niveau des tissus et les interactions cellulaires .
• AIDO.Biology — une couche de « modèle du monde » globale qui intègre toutes les échelles inférieures pour simuler les résultats au niveau de l’organisme .

Le choix de conception crucial est que ces modules sont connectables — de sorte qu’une seule perturbation, comme une nouvelle molécule médicamenteuse ou une modification génétique, puisse être suivie logiquement à travers les échelles : de l’interaction moléculaire à la réponse cellulaire, en passant par l’effet tissulaire, jusqu’à un résultat de santé prédit .

Objectif : un simulateur multi-échelle et un « modèle du monde » de la biologie

L’ambition centrale est de créer un « modèle du monde » computationnel de la biologie capable de simuler comment un changement au niveau de l’ADN se propage à travers les protéines, les cellules, les tissus et les phénotypes au niveau de l’organisme . Cela permettrait aux chercheurs de :

• Simuler des maladies et des processus biologiques complexes par le calcul, contournant des années d’expérimentation en laboratoire humide .
• Prédire les effets et la toxicité des médicaments avant même de réaliser une expérience en laboratoire, réduisant considérablement le nombre de candidats à tester physiquement .
• Tester rapidement des millions de perturbations in silico, réduisant le bassin de candidats pour la validation expérimentale aux seuls plus prometteurs .

Le projet a été décrit comme la construction d’un « simulateur de vol » pour la médecine, où les scientifiques pourraient expérimenter virtuellement avant de s’engager dans des expériences réelles .

Comparaison avec d’autres projets de cellule virtuelle

Le concept de cellule virtuelle pilotée par l’IA n’est pas propre à l’équipe d’AIDO. Le Chan Zuckerberg BioHub (CZI), en collaboration avec Stanford et Genentech, a publié un article de perspective concurrent dans Nature (décembre 2024) sur les cellules virtuelles pilotées par l’IA (AIVC) — des modèles de réseaux neuronaux à grande échelle, multi-échelles et multimodaux, conçus pour représenter les molécules, les cellules et les tissus . Le CZI a également organisé un atelier sur les cellules virtuelles qui a identifié bon nombre des mêmes goulots d’étranglement, notamment l’hétérogénéité des données, le bruit, les problèmes de reproductibilité et le besoin de meilleurs benchmarks multimodaux .

Principales différences entre les deux projets phares :

Malgré leurs différences de périmètre et de stade, les deux projets partagent le même défi fondamental : intégrer des données omiques hautement hétérogènes — RNA-seq unicellulaire, protéomique, épigénomique, métabolomique — dans des modèles unifiés et cohérents .

Limites reconnues

L’article sur AIDO et les reportages associés identifient plusieurs limites importantes qui tempèrent l’enthousiasme initial :

• Données d’entraînement biaisées et incomplètes : Les ensembles de données biologiques actuels sont fortement orientés vers les lignées cellulaires bien étudiées, les maladies courantes et les populations d’origine européenne. Cela peut fausser les prédictions du modèle et potentiellement exacerber les inégalités démographiques dans les soins de santé .
• Variabilité inter-patients : La diversité biologique humaine selon les origines génétiques, les âges et les états de santé est vaste et mal capturée par les cohortes d’entraînement existantes. Les auteurs notent explicitement que les modèles pourraient ne pas parvenir à généraliser lorsqu’ils sont appliqués à des populations sous-représentées .
• Intégration de données hétérogènes : Fusionner des données de différentes modalités — de la transcriptomique à la protéomique, en passant par l’imagerie et les dossiers cliniques — reste techniquement difficile en raison des différences d’échelle, du bruit de mesure et des schémas de données manquantes .
• Absence de benchmarks standardisés : Sans cadres d’évaluation inter-domaines, il reste difficile de comparer objectivement les modèles de différents groupes ou d’évaluer la robustesse dans le monde réel .

Applications : filtrage de candidats médicaments et réponse aux épidémies

Deux applications sont mises en avant comme cibles à court terme pour AIDO :

• Filtrage de candidats médicaments : AIDO pourrait simuler des millions de composés in silico, prédisant leur liaison moléculaire, leur réponse cellulaire, leur toxicité au niveau tissulaire et leur efficacité au niveau de l’organisme avant tout travail en laboratoire humide. Cela réduirait considérablement le nombre de candidats nécessitant des tests expérimentaux, réduisant à la fois le coût et les taux d’échec du développement préclinique .

• Accélération de la réponse aux épidémies de maladies infectieuses : Parce que le système est modulaire et entraîné sur des schémas biologiques fondamentaux (plutôt que sur un seul agent pathogène), il pourrait être rapidement adapté pour modéliser un nouveau virus ou une menace bactérienne. Les chercheurs pourraient simuler la dynamique de l’infection, tester des bibliothèques de médicaments existants pour un repositionnement et prédire les réponses immunitaires à travers l’organisme virtuel en quelques jours ou semaines au lieu de mois .

Plan et architecture : une pile modulaire de modèles de fondation

AIDO n’est pas un modèle unique mais un système modulaire, connectable et holistique de modèles de fondation basés sur des transformeurs, chacun spécialisé pour une échelle biologique :

• AIDO.DNA — modélise la séquence génomique, posant les bases de la compréhension de la variation génétique et de ses effets en aval .
• AIDO.RNA — un modèle de 1,6 milliard de paramètres pré-entraîné sur 42 millions de séquences d’ARN non codant à une résolution de nucléotide unique .
• AIDO.Protein — apprend la séquence, la structure et la fonction des protéines .
• AIDO.Cell — une série de modèles Transformers denses à encodeur seul, comptant jusqu’à 650 millions de paramètres, pré-entraînés sur 50 millions de cellules humaines de divers tissus et couvrant environ 20 000 gènes par cellule .
• AIDO.Tissue — modélise le comportement au niveau des tissus et les interactions cellulaires .
• AIDO.Biology — une couche de « modèle du monde » globale qui intègre toutes les échelles inférieures pour simuler les résultats au niveau de l’organisme .

Le choix de conception crucial est que ces modules sont connectables — de sorte qu’une seule perturbation, comme une nouvelle molécule médicamenteuse ou une modification génétique, puisse être suivie logiquement à travers les échelles : de l’interaction moléculaire à la réponse cellulaire, en passant par l’effet tissulaire, jusqu’à un résultat de santé prédit .

Objectif : un simulateur multi-échelle et un « modèle du monde » de la biologie

L’ambition centrale est de créer un « modèle du monde » computationnel de la biologie capable de simuler comment un changement au niveau de l’ADN se propage à travers les protéines, les cellules, les tissus et les phénotypes au niveau de l’organisme . Cela permettrait aux chercheurs de :

• Simuler des maladies et des processus biologiques complexes par le calcul, contournant des années d’expérimentation en laboratoire humide .
• Prédire les effets et la toxicité des médicaments avant même de réaliser une expérience en laboratoire, réduisant considérablement le nombre de candidats à tester physiquement .
• Tester rapidement des millions de perturbations in silico, réduisant le bassin de candidats pour la validation expérimentale aux seuls plus prometteurs .

Le projet a été décrit comme la construction d’un « simulateur de vol » pour la médecine, où les scientifiques pourraient expérimenter virtuellement avant de s’engager dans des expériences réelles .

Comparaison avec d’autres projets de cellule virtuelle

Le concept de cellule virtuelle pilotée par l’IA n’est pas propre à l’équipe d’AIDO. Le Chan Zuckerberg BioHub (CZI), en collaboration avec Stanford et Genentech, a publié un article de perspective concurrent dans Nature (décembre 2024) sur les cellules virtuelles pilotées par l’IA (AIVC) — des modèles de réseaux neuronaux à grande échelle, multi-échelles et multimodaux, conçus pour représenter les molécules, les cellules et les tissus . Le CZI a également organisé un atelier sur les cellules virtuelles qui a identifié bon nombre des mêmes goulots d’étranglement, notamment l’hétérogénéité des données, le bruit, les problèmes de reproductibilité et le besoin de meilleurs benchmarks multimodaux .

Principales différences entre les deux projets phares :

Malgré leurs différences de périmètre et de stade, les deux projets partagent le même défi fondamental : intégrer des données omiques hautement hétérogènes — RNA-seq unicellulaire, protéomique, épigénomique, métabolomique — dans des modèles unifiés et cohérents .

Limites reconnues

L’article sur AIDO et les reportages associés identifient plusieurs limites importantes qui tempèrent l’enthousiasme initial :

• Données d’entraînement biaisées et incomplètes : Les ensembles de données biologiques actuels sont fortement orientés vers les lignées cellulaires bien étudiées, les maladies courantes et les populations d’origine européenne. Cela peut fausser les prédictions du modèle et potentiellement exacerber les inégalités démographiques dans les soins de santé .
• Variabilité inter-patients : La diversité biologique humaine selon les origines génétiques, les âges et les états de santé est vaste et mal capturée par les cohortes d’entraînement existantes. Les auteurs notent explicitement que les modèles pourraient ne pas parvenir à généraliser lorsqu’ils sont appliqués à des populations sous-représentées .
• Intégration de données hétérogènes : Fusionner des données de différentes modalités — de la transcriptomique à la protéomique, en passant par l’imagerie et les dossiers cliniques — reste techniquement difficile en raison des différences d’échelle, du bruit de mesure et des schémas de données manquantes .
• Absence de benchmarks standardisés : Sans cadres d’évaluation inter-domaines, il reste difficile de comparer objectivement les modèles de différents groupes ou d’évaluer la robustesse dans le monde réel .

Applications : filtrage de candidats médicaments et réponse aux épidémies

Deux applications sont mises en avant comme cibles à court terme pour AIDO :

• Filtrage de candidats médicaments : AIDO pourrait simuler des millions de composés in silico, prédisant leur liaison moléculaire, leur réponse cellulaire, leur toxicité au niveau tissulaire et leur efficacité au niveau de l’organisme avant tout travail en laboratoire humide. Cela réduirait considérablement le nombre de candidats nécessitant des tests expérimentaux, réduisant à la fois le coût et les taux d’échec du développement préclinique .

• Accélération de la réponse aux épidémies de maladies infectieuses : Parce que le système est modulaire et entraîné sur des schémas biologiques fondamentaux (plutôt que sur un seul agent pathogène), il pourrait être rapidement adapté pour modéliser un nouveau virus ou une menace bactérienne. Les chercheurs pourraient simuler la dynamique de l’infection, tester des bibliothèques de médicaments existants pour un repositionnement et prédire les réponses immunitaires à travers l’organisme virtuel en quelques jours ou semaines au lieu de mois .