Cetak Biru dan Arsitektur: Tumpukan Moduler Model Fondasi

AIDO bukanlah model tunggal, melainkan sebuah sistem moduler yang dapat dihubungkan secara holistik yang terdiri dari model-model fondasi berbasis transformer, masing-masing terspesialisasi untuk satu skala biologis :

• AIDO.DNA — memodelkan urutan genomik, meletakkan dasar untuk memahami variasi genetik dan efek hilirnya .
• AIDO.RNA — model dengan 1,6 miliar parameter yang dilatih sebelumnya pada 42 juta sekuens RNA non-coding pada resolusi nukleotida tunggal .
• AIDO.Protein — mempelajari sekuens, struktur, dan fungsi protein .
• AIDO.Cell — serangkaian model Transformer padat (encoder-only) dengan hingga 650 juta parameter, dilatih sebelumnya pada 50 juta sel manusia dari berbagai jaringan dan mencakup sekitar 20.000 gen per sel .
• AIDO.Tissue — memodelkan perilaku jaringan dan interaksi antar sel .
• AIDO.Biology — lapisan "world model" menyeluruh yang mengintegrasikan semua skala di bawahnya untuk mensimulasikan hasil pada tingkat organisme .

Pilihan desain yang kritis adalah bahwa modul-modul ini dapat dihubungkan — sehingga satu perubahan, seperti molekul obat baru atau suntingan genetik, dapat dilacak secara logis di seluruh skala: dari interaksi molekuler melalui respons seluler dan efek jaringan, hingga hasil kesehatan yang diprediksi .

Tujuan: Simulator Multi-Skala dan "World Model" Biologi

Ambisi utamanya adalah menciptakan "world model" biologi komputasional yang dapat mensimulasikan bagaimana perubahan pada tingkat DNA merambat melalui protein, sel, jaringan, dan fenotipe tingkat organisme . Hal ini akan memungkinkan peneliti untuk:

• Mensimulasikan penyakit dan proses biologis yang kompleks secara komputasional, melewati eksperimen laboratorium basah yang memakan waktu bertahun-tahun .
• Memprediksi efek dan toksisitas obat sebelum melakukan eksperimen laboratorium basah, secara drastis mengurangi jumlah kandidat yang perlu diuji secara fisik .
• Menguji jutaan perubahan in silico dengan cepat, mempersempit kumpulan kandidat untuk validasi eksperimental hanya pada yang paling menjanjikan .

Proyek ini digambarkan seperti membangun "simulator penerbangan" untuk kedokteran, di mana para ilmuwan dapat bereksperimen secara virtual sebelum berkomitmen pada eksperimen dunia nyata .

Perbandingan dengan Upaya Sel Virtual Lainnya

Konsep sel virtual berbasis AI tidak unik untuk tim AIDO. Chan Zuckerberg BioHub (CZI), bekerja sama dengan Stanford dan Genentech, menerbitkan perspektif Nature pada waktu yang bersamaan (Desember 2024) tentang AI Virtual Cells (AIVCs) — model jaringan saraf besar multi-skala dan multi-modal yang dirancang untuk mewakili molekul, sel, dan jaringan . CZI juga mengadakan Lokakarya Sel Virtual yang mengidentifikasi banyak hambatan yang sama, termasuk heterogenitas data, noise, tantangan reprodusibilitas, dan kebutuhan akan tolok ukur multi-modal yang lebih baik .

Perbedaan utama antara dua proyek unggulan ini:

Terlepas dari perbedaan cakupan dan tahapannya, kedua proyek ini memiliki tantangan mendasar yang sama: mengintegrasikan data omik yang sangat heterogen — sekuensing RNA sel tunggal, proteomik, epigenomik, metabolomik — ke dalam model yang terpadu dan koheren .

Keterbatasan yang Diakui

Makalah AIDO dan liputan terkait mengidentifikasi beberapa keterbatasan signifikan :

• Data pelatihan yang bias dan tidak lengkap: Kumpulan data biologis saat ini sangat condong ke garis sel yang paling banyak diteliti, penyakit umum, dan populasi keturunan Eropa. Hal ini dapat memiringkan prediksi model dan berpotensi memperburuk ketidakadilan demografis dalam layanan kesehatan .
• Variabilitas pasien: Keragaman biologis manusia di seluruh latar belakang genetik, usia, dan status kesehatan sangat luas dan kurang tertangkap oleh kelompok pelatihan yang ada. Para penulis secara eksplisit mencatat bahwa model mungkin gagal untuk digeneralisasi ketika diterapkan pada populasi yang kurang terwakili .
• Integrasi data yang heterogen: Menggabungkan data lintas modalitas — dari transkriptomik hingga proteomik, pencitraan, hingga catatan klinis — masih sulit secara teknis karena perbedaan skala, noise pengukuran, dan pola data yang hilang .
• Kurangnya tolok ukur standar: Tanpa kerangka evaluasi lintas domain, tetap sulit untuk membandingkan model dari kelompok yang berbeda secara objektif atau menilai ketahanan di dunia nyata .

Aplikasi: Penyaringan Kandidat Obat dan Respons Wabah

Dua aplikasi paling menonjol sebagai target jangka pendek untuk AIDO :

• Penyaringan kandidat obat: AIDO dapat mensimulasikan jutaan senyawa in silico, memprediksi pengikatan molekulernya, respons seluler, toksisitas tingkat jaringan, dan kemanjuran tingkat organisme sebelum pekerjaan laboratorium basah apa pun. Ini akan secara drastis mempersempit kumpulan kandidat yang memerlukan pengujian eksperimental, mengurangi biaya dan tingkat kegagalan pengembangan praklinis .
• Mempercepat respons terhadap wabah penyakit menular: Karena sistem ini modular dan dilatih pada pola biologis fundamental (bukan hanya satu patogen), sistem ini dapat dengan cepat diadaptasi untuk memodelkan virus atau ancaman bakteri baru. Peneliti dapat mensimulasikan dinamika infeksi, menguji pustaka obat yang sudah ada untuk digunakan kembali, dan memprediksi respons imun di seluruh organisme virtual dalam hitungan hari atau minggu, bukan bulan .

Cetak Biru dan Arsitektur: Tumpukan Moduler Model Fondasi

AIDO bukanlah model tunggal, melainkan sebuah sistem moduler yang dapat dihubungkan secara holistik yang terdiri dari model-model fondasi berbasis transformer, masing-masing terspesialisasi untuk satu skala biologis :

• AIDO.DNA — memodelkan urutan genomik, meletakkan dasar untuk memahami variasi genetik dan efek hilirnya .
• AIDO.RNA — model dengan 1,6 miliar parameter yang dilatih sebelumnya pada 42 juta sekuens RNA non-coding pada resolusi nukleotida tunggal .
• AIDO.Protein — mempelajari sekuens, struktur, dan fungsi protein .
• AIDO.Cell — serangkaian model Transformer padat (encoder-only) dengan hingga 650 juta parameter, dilatih sebelumnya pada 50 juta sel manusia dari berbagai jaringan dan mencakup sekitar 20.000 gen per sel .
• AIDO.Tissue — memodelkan perilaku jaringan dan interaksi antar sel .
• AIDO.Biology — lapisan "world model" menyeluruh yang mengintegrasikan semua skala di bawahnya untuk mensimulasikan hasil pada tingkat organisme .

Pilihan desain yang kritis adalah bahwa modul-modul ini dapat dihubungkan — sehingga satu perubahan, seperti molekul obat baru atau suntingan genetik, dapat dilacak secara logis di seluruh skala: dari interaksi molekuler melalui respons seluler dan efek jaringan, hingga hasil kesehatan yang diprediksi .

Tujuan: Simulator Multi-Skala dan "World Model" Biologi

Ambisi utamanya adalah menciptakan "world model" biologi komputasional yang dapat mensimulasikan bagaimana perubahan pada tingkat DNA merambat melalui protein, sel, jaringan, dan fenotipe tingkat organisme . Hal ini akan memungkinkan peneliti untuk:

• Mensimulasikan penyakit dan proses biologis yang kompleks secara komputasional, melewati eksperimen laboratorium basah yang memakan waktu bertahun-tahun .
• Memprediksi efek dan toksisitas obat sebelum melakukan eksperimen laboratorium basah, secara drastis mengurangi jumlah kandidat yang perlu diuji secara fisik .
• Menguji jutaan perubahan in silico dengan cepat, mempersempit kumpulan kandidat untuk validasi eksperimental hanya pada yang paling menjanjikan .

Proyek ini digambarkan seperti membangun "simulator penerbangan" untuk kedokteran, di mana para ilmuwan dapat bereksperimen secara virtual sebelum berkomitmen pada eksperimen dunia nyata .

Perbandingan dengan Upaya Sel Virtual Lainnya

Konsep sel virtual berbasis AI tidak unik untuk tim AIDO. Chan Zuckerberg BioHub (CZI), bekerja sama dengan Stanford dan Genentech, menerbitkan perspektif Nature pada waktu yang bersamaan (Desember 2024) tentang AI Virtual Cells (AIVCs) — model jaringan saraf besar multi-skala dan multi-modal yang dirancang untuk mewakili molekul, sel, dan jaringan . CZI juga mengadakan Lokakarya Sel Virtual yang mengidentifikasi banyak hambatan yang sama, termasuk heterogenitas data, noise, tantangan reprodusibilitas, dan kebutuhan akan tolok ukur multi-modal yang lebih baik .

Perbedaan utama antara dua proyek unggulan ini:

Terlepas dari perbedaan cakupan dan tahapannya, kedua proyek ini memiliki tantangan mendasar yang sama: mengintegrasikan data omik yang sangat heterogen — sekuensing RNA sel tunggal, proteomik, epigenomik, metabolomik — ke dalam model yang terpadu dan koheren .

Keterbatasan yang Diakui

Makalah AIDO dan liputan terkait mengidentifikasi beberapa keterbatasan signifikan :

• Data pelatihan yang bias dan tidak lengkap: Kumpulan data biologis saat ini sangat condong ke garis sel yang paling banyak diteliti, penyakit umum, dan populasi keturunan Eropa. Hal ini dapat memiringkan prediksi model dan berpotensi memperburuk ketidakadilan demografis dalam layanan kesehatan .
• Variabilitas pasien: Keragaman biologis manusia di seluruh latar belakang genetik, usia, dan status kesehatan sangat luas dan kurang tertangkap oleh kelompok pelatihan yang ada. Para penulis secara eksplisit mencatat bahwa model mungkin gagal untuk digeneralisasi ketika diterapkan pada populasi yang kurang terwakili .
• Integrasi data yang heterogen: Menggabungkan data lintas modalitas — dari transkriptomik hingga proteomik, pencitraan, hingga catatan klinis — masih sulit secara teknis karena perbedaan skala, noise pengukuran, dan pola data yang hilang .
• Kurangnya tolok ukur standar: Tanpa kerangka evaluasi lintas domain, tetap sulit untuk membandingkan model dari kelompok yang berbeda secara objektif atau menilai ketahanan di dunia nyata .

Aplikasi: Penyaringan Kandidat Obat dan Respons Wabah

Dua aplikasi paling menonjol sebagai target jangka pendek untuk AIDO :

• Penyaringan kandidat obat: AIDO dapat mensimulasikan jutaan senyawa in silico, memprediksi pengikatan molekulernya, respons seluler, toksisitas tingkat jaringan, dan kemanjuran tingkat organisme sebelum pekerjaan laboratorium basah apa pun. Ini akan secara drastis mempersempit kumpulan kandidat yang memerlukan pengujian eksperimental, mengurangi biaya dan tingkat kegagalan pengembangan praklinis .
• Mempercepat respons terhadap wabah penyakit menular: Karena sistem ini modular dan dilatih pada pola biologis fundamental (bukan hanya satu patogen), sistem ini dapat dengan cepat diadaptasi untuk memodelkan virus atau ancaman bakteri baru. Peneliti dapat mensimulasikan dinamika infeksi, menguji pustaka obat yang sudah ada untuk digunakan kembali, dan memprediksi respons imun di seluruh organisme virtual dalam hitungan hari atau minggu, bukan bulan .