AIDO Cell, la cellule virtuelle qui veut simuler la biologie à plusieurs échelles

C’est ce que recouvre ici l’expression « modèle du monde » : AIDO Cell ne cherche pas seulement à classer un échantillon biologique statique. Il tente de représenter l’évolution d’un état cellulaire au fil d’une série d’interventions.

En quoi AIDO Cell se distingue-t-il d’AlphaFold ?

AlphaFold est principalement connu pour prédire la structure d’une protéine individuelle. AIDO Cell vise une question différente, à l’échelle des systèmes : comment fonctionne l’ensemble de la machinerie moléculaire d’une cellule, et comment une perturbation à un niveau peut-elle affecter les autres ?

La différence n’est donc pas qu’AIDO Cell remplacerait la prédiction de structure protéique. AlphaFold cherche notamment à déterminer à quoi peut ressembler une protéine ; AIDO Cell veut explorer ce qui peut arriver à un système cellulaire lorsque ses composants ou ses entrées sont modifiés.

Le modèle prolonge les travaux antérieurs de GenBio sur les modèles de fondation pour la transcriptomique unicellulaire. La famille AIDO.Cell a été entraînée sur environ 50 millions de cellules humaines et comprend des modèles allant de 3 millions à 650 millions de paramètres. Le système initial était surtout consacré à la représentation du contexte transcriptomique. La nouvelle orientation de cellule virtuelle cherche à étendre cette base vers une simulation intégrée et inter-échelles.

La feuille de route en trois étapes d’AIDO

AIDO Cell constitue une étape du programme plus vaste de GenBio AI, l’AI-Driven Digital Organism — ou AIDO, un « organisme numérique piloté par l’IA ». Sa feuille de route est structurée en trois phases :

1. Diviser pour mieux conquérir. Construire des modèles de fondation spécialisés pour différentes modalités et échelles biologiques : ADN, ARN, protéines, cellules et tissus.
2. Relier les éléments. Connecter ces modèles afin que les informations, les représentations et les perturbations puissent circuler d’une échelle biologique à l’autre.
3. Simuler et programmer. Exploiter ce système connecté pour prédire des résultats biologiques et, à terme, contribuer à concevoir des interventions sur plusieurs niveaux du vivant. Il s’agit de la vision à long terme d’AIDO, et non d’une capacité déjà démontrée par la préversion actuelle d’AIDO Cell.

GenBio avait déjà décrit AIDO comme un ensemble de modèles multiscalaires couvrant notamment l’ADN, l’ARN, les protéines et l’expression unicellulaire. Le défi ne consiste toutefois pas simplement à entraîner des modèles toujours plus volumineux. Il faut encore faire fonctionner ensemble ces représentations biologiques de manière suffisamment cohérente pour produire des interventions testables et des prédictions vérifiables expérimentalement.

Ce que montre la démonstration avec l’imatinib

Dans son premier cas d’étude, GenBio indique qu’AIDO Cell a reproduit les effets et le mécanisme établis de l’imatinib dans des cellules leucémiques K562. La démonstration devait montrer comment le modèle peut suivre les conséquences d’un médicament à travers l’environnement cellulaire simulé.

C’est une preuve de concept intéressante, mais pas encore une validation prospective. Reproduire après coup une biologie déjà connue ne prouve pas que le modèle saura prédire la réponse à un médicament jamais évalué, repérer un nouveau composé efficace ou faire mieux que des méthodes informatiques plus simples.

Les informations publiques ne fournissent pas les métriques quantitatives de précision, les analyses statistiques, les comparaisons directes avec d’autres méthodes ni la validation expérimentale prospective nécessaires pour étayer de telles affirmations.

Quelles cellules sont prises en charge ?

La préversion actuelle d’AIDO Cell prend en charge deux lignées humaines immortalisées :

• K562, utilisée dans l’étude de cas consacrée à l’imatinib ;
• HepG2.

GenBio a annoncé que d’autres types cellulaires et de nouvelles fonctionnalités pourraient être ajoutés en 2026-2027. Cette extension sera importante : les performances observées sur un petit nombre de lignées immortalisées ne peuvent pas être automatiquement extrapolées aux cellules humaines primaires, aux tissus ou aux patients.

Quel intérêt pour la découverte de médicaments ?

Le développement pharmaceutique connaît un taux d’échec très élevé : on résume parfois le phénomène en estimant qu’environ un composé sur 10 000 au départ finit par atteindre la clinique. Un modèle de cellule virtuelle suffisamment fiable pourrait, en théorie, aider à évaluer de nombreuses hypothèses avant de les soumettre à des expériences coûteuses.

Les chercheurs pourraient comparer virtuellement des composés, des cibles, des associations de traitements et des séquences d’administration. Ils pourraient aussi rechercher des signaux d’efficacité, de résistance ou d’effets hors cible au niveau cellulaire.

Le rôle le plus crédible à court terme est donc celui de filtre et d’outil de priorisation. AIDO Cell pourrait aider à sélectionner les molécules qui méritent des essais plus poussés, à repérer les perturbations les plus informatives et à concevoir de meilleures expériences de suivi. Sa capacité à conserver l’historique des interventions pourrait également éclairer les réponses après un traitement antérieur.

Cela ne constitue pas une garantie clinique. Un modèle fondé sur des lignées cellulaires ne reproduit pas à lui seul la pharmacocinétique à l’échelle de l’organisme, les interactions avec le système immunitaire et les tissus, l’hétérogénéité entre patients, la toxicité ou les résultats cliniques. Une cellule virtuelle n’est pas un être humain virtuel complet ; une réponse simulée ne peut remplacer les études animales, les essais sur l’être humain ni les données nécessaires à l’évaluation réglementaire.

La question décisive : prédire une biologie encore inconnue

Le véritable test d’AIDO Cell sera la validation prospective. Le modèle peut-il prédire des réponses qui n’ont pas servi à construire la démonstration ? Ces prédictions résistent-elles ensuite à des expériences contrôlées ?

Tant que ces éléments ne seront pas disponibles, la description la plus prudente est celle d’une couche prometteuse de criblage virtuel et de planification expérimentale. Son architecture multiscalaire et sa mémoire des interventions pourraient rendre les simulations plus riches que des modèles isolés de molécules ou de données transcriptomiques. Mais une architecture ambitieuse ne suffit pas à démontrer une précision prédictive.

L’écart entre la reproduction d’une biologie connue et la découverte fiable de phénomènes nouveaux reste le principal obstacle scientifique.

Accès et état actuel du projet

GenBio AI prépare un programme de collaboration en accès anticipé destiné à des chercheurs universitaires ainsi qu’à des acteurs des biotechnologies et de l’industrie pharmaceutique.

Pour l’instant, AIDO Cell doit donc être considéré comme un système de recherche encore précoce : ambitieux, potentiellement utile pour réduire l’espace de recherche expérimental, mais toujours en attente de validations prospectives permettant de soutenir des promesses plus fortes sur la découverte de médicaments ou le remplacement de l’expérimentation biologique.