מהו AIDO Cell של GenBio AI — וכמה באמת אפשר לסמוך על תא וירטואלי?

זהו למעשה הרעיון מאחורי המונח "מודל עולם": לא רק לסווג דגימה ביולוגית קפואה, אלא לייצג מצב משתנה של תא ולבחון כיצד הוא מגיב לרצף של התערבויות.

במה הוא שונה מ-AlphaFold?

AlphaFold מזוהה בעיקר עם חיזוי המבנה של חלבון בודד. AIDO Cell מכוון לשאלה רחבה יותר: כיצד פועלת המערכת המולקולרית של תא שלם, וכיצד שינוי בשכבה ביולוגית אחת משפיע על שכבות אחרות.

אין פירוש הדבר ש-AIDO Cell מחליף חיזוי מבנה חלבונים. מדובר בשתי משימות שונות: AlphaFold מנסה לחזות כיצד חלבון עשוי להיראות, ואילו AIDO Cell מנסה לבחון מה קורה למערכת תאית כאשר הרכיבים או הקלטים שלה משתנים.

המערכת נשענת גם על עבודתה הקודמת של GenBio בתחום מודלי הבסיס לתאים בודדים. משפחת המודלים AIDO.Cell אומנה על כ-50 מיליון תאים אנושיים, וכוללת מודלים בגודל של 3 מיליון עד 650 מיליון פרמטרים. המערכת המוקדמת התמקדה בעיקר בייצוג ההקשר התעתוקי של התא. הכיוון החדש של התא הווירטואלי מרחיב את הבסיס הזה לסימולציה משולבת בין כמה רמות ביולוגיות.

מפת הדרכים של AIDO בשלושה שלבים

AIDO Cell הוא שלב בתוכנית רחבה יותר של GenBio AI — AI-Driven Digital Organism, או AIDO, כלומר "אורגניזם דיגיטלי מונע בינה מלאכותית". מפת הדרכים כוללת שלושה שלבים:

1. להפריד ולמשול: לבנות מודלי בסיס ייעודיים עבור סוגי מידע ורמות ביולוגיות שונות, ובהם DNA, RNA, חלבונים, תאים ורקמות.
2. לחבר בין הנקודות: לקשר בין המודלים כך שמידע, ייצוגים והתערבויות יוכלו לעבור בין הרמות הביולוגיות.
3. להתקדם באמצעות סימולציה ותכנות משולבים: להשתמש במערכת המקושרת כדי לחזות תוצאות ביולוגיות, ובהמשך לסייע בתכנון התערבויות במערכות ביולוגיות. זהו חזון ארוך טווח של AIDO, ולא יכולת שכבר הוכחה בגרסת התצוגה הנוכחית של AIDO Cell.

GenBio תיארה בעבר את AIDO כמערכת של מודלים רב-קני מידה המכסים סוגים מרכזיים של מידע ביולוגי, בהם DNA, RNA, חלבונים וביטוי של תאים בודדים. האתגר אינו רק להגדיל את המודלים, אלא לגרום לייצוגים הביולוגיים הנפרדים לעבוד יחד באופן שיאפשר התערבויות שנראות סיבתיות ותחזיות שאפשר לבדוק במעבדה.

מה הראה הניסוי עם אימטיניב?

במקרה הבוחן הראשוני שלה דיווחה GenBio כי AIDO Cell הצליח לשחזר את ההשפעות והמנגנון המוכרים של התרופה אימטיניב בתאי לוקמיה מסוג K562. ההדגמה נועדה להראות כיצד המודל יכול לעקוב אחר השלכות התרופה בתוך הסביבה התאית המדומה.

זהו הוכחת היתכנות מעניינת, אך לא אימות של יכולת חיזוי עתידית. שחזור בדיעבד של ביולוגיה מוכרת אינו מוכיח שהמערכת תוכל לחזות תגובה לתרופה שלא נראתה קודם, לזהות תרכובת חדשה שתצליח או להציג ביצועים טובים יותר משיטות חישוביות פשוטות יותר. בדיווחים הפומביים לא נמסרו מדדי דיוק כמותיים, ניתוחים סטטיסטיים, השוואות ישירות או אימות ניסויי פרוספקטיבי שיבססו טענות כאלה.

באילו תאים המערכת תומכת?

גרסת התצוגה הנוכחית של AIDO Cell תומכת בשתי שורות תאים אנושיות מונצחות — תאים שהותאמו כך שיוכלו להמשיך להתחלק לאורך זמן במעבדה:

• K562, ששימשה במקרה הבוחן של אימטיניב;
• HepG2.

GenBio תיארה סוגי תאים ויכולות נוספות כהרחבות מתוכננות לשנים 2026–2027. מדובר בהסתייגות חשובה: ביצועים במספר מצומצם של שורות תאים מונצחות אינם מאפשרים להכליל אוטומטית לגבי תאים אנושיים ראשוניים, רקמות או מטופלים.

כיצד זה עשוי לסייע בפיתוח תרופות?

תא וירטואלי עשוי לייעל את תהליך פיתוח התרופות בכך שיאפשר לחוקרים לבחון יותר השערות לפני שהם משקיעים בכל אחת מהן בניסוי מעבדה. באופן עקרוני, אפשר להשוות בין תרכובות, מטרות ביולוגיות, שילובי טיפולים ורצפים שונים של התערבויות, ולחפש תגובות תאיות שעשויות לרמז על יעילות, עמידות או השפעות לא רצויות.

לכן, השימוש המעשי הקרוב ביותר הוא תיעדוף מועמדים: לסייע לחוקרים להחליט אילו תרכובות ראויות לניסויים יקרים יותר, אילו התערבויות כדאי לבדוק, ואילו תוצאות עשויות להצביע על חולשה בתכנון הניסוי. המודל עשוי גם לסייע בתכנון מחקרי המשך ממוקדים יותר, באמצעות הדגמה של האופן שבו תגובה משתנה לאחר התערבות קודמת.

זהו כלי לסינון ולתכנון — לא ערובה קלינית. מודל המבוסס על שורת תאים אינו מייצג לבדו פרמקוקינטיקה ברמת האורגניזם, קשרי גומלין עם מערכת החיסון והרקמות, שונות בין מטופלים, רעילות או תוצאות קליניות. תא וירטואלי אינו אדם וירטואלי מלא, ותגובה חישובית אינה יכולה להחליף ניסויים בבעלי חיים, מחקרים בבני אדם או ראיות הנדרשות מרשויות רגולטוריות.

המבחן החשוב: האם התחזיות יעמדו בניסוי?

המבחן המרכזי של AIDO Cell יהיה אימות פרוספקטיבי: האם המודל מסוגל לחזות תגובות שלא שימשו לבניית ההדגמה, והאם התחזיות האלה מחזיקות מעמד בניסויים מבוקרים?

עד שיוצגו ראיות כאלה, התיאור הזהיר והמבוסס ביותר הוא שכבת סריקה וירטואלית ותכנון ניסויים בעלת פוטנציאל. העיצוב הרב-קני והיכולת לשמור מצב עשויים להפוך סימולציות ביולוגיות למציאותיות ושימושיות יותר ממודלים מבודדים של מולקולות או תעתוק. אבל ארכיטקטורה מרשימה אינה מוכיחה כשלעצמה דיוק חיזויי. הפער בין שחזור ביולוגיה ידועה לבין גילוי אמין של ביולוגיה חדשה נותר האתגר המדעי המכריע.

גישה ומצב נוכחי

GenBio AI מכינה תוכנית גישה מוקדמת לשותפים מקרב האקדמיה, חברות ביוטכנולוגיה וחברות תרופות.

בשלב זה, AIDO Cell הוא בראש ובראשונה מערכת מחקר מוקדמת: שאפתנית בהיקפה, עשויה לצמצם את מרחב החיפוש הניסויי, אך עדיין זקוקה לראיות פרוספקטיביות לפני שאפשר יהיה לייחס לה תפקיד חזק יותר בפיתוח תרופות או להציג אותה כתחליף לניסויים ביולוגיים.