Blauwdruk en architectuur: een modulaire stapel van basis-modellen

AIDO is geen enkel model, maar een modulair, verbindbaar, holistisch systeem van op transformatoren gebaseerde basis-modellen, elk gespecialiseerd in één biologisch schaalniveau :

• AIDO.DNA — modelleert de DNA-sequentie legt de basis voor het begrijpen van genetische variatie en de gevolgen ervan .
• AIDO.RNA — een model met 1,6 miljard parameters, voorgetraind op 42 miljoen niet-coderende RNA-sequenties met enkel-nucleotide-resolutie .
• AIDO.Protein — leert de sequentie, structuur en functie van eiwitten .
• AIDO.Cell — een reeks encoder-only dichte Transformatormodellen met tot 650 miljoen parameters, voorgetraind op 50 miljoen menselijke cellen uit verschillende weefsels en die ongeveer 20.000 genen per cel bestrijken .
• AIDO.Tissue — modelleert gedrag op weefselniveau en interacties tussen cellen .
• AIDO.Biology — een overkoepelende 'wereldmodel'-laag die alle lagere schaalniveaus integreert om uitkomsten op organismeniveau te simuleren .

De cruciale ontwerpkeuze is dat deze modules verbindbaar zijn — zodat een enkele verstoring, zoals een nieuw medicijnmolecuul of een genetische aanpassing, logisch kan worden gevolgd over de schalen heen: van moleculaire interactie via cellulaire respons en weefseleffect, helemaal tot een voorspelde gezondheidsuitkomst .

Doel: een multi-schaal-simulator en 'wereldmodel' van de biologie

De centrale ambitie is het creëren van een computationeel 'wereldmodel' van de biologie dat kan simuleren hoe een verandering op DNA-niveau doorwerkt via eiwitten, cellen, weefsels en fenotypes op organismeniveau . Dit zou onderzoekers in staat stellen om:

• Ziekten en complexe biologische processen computationeel te simuleren, waarmee jaren van experimenten in het lab worden omzeild .
• Medicijneffecten en -toxiciteit te voorspellen voordat er ook maar één experiment in het lab wordt uitgevoerd, waardoor het aantal kandidaten dat fysiek getest moet worden drastisch afneemt .
• Miljoenen in silico-verstoringen snel te testen, waardoor de kandidaat-pool voor experimentele validatie wordt beperkt tot alleen de meest veelbelovende .

Het project wordt wel omschreven als het bouwen van een 'vluchtsimulator' voor de geneeskunde, waarin wetenschappers virtueel kunnen experimenteren voordat ze overgaan tot echte experimenten .

Vergelijking met andere virtuele cel-initiatieven

Het concept van een AI-gestuurde virtuele cel is niet uniek voor het AIDO-team. De Chan Zuckerberg BioHub (CZI) publiceerde in samenwerking met Stanford en Genentech een gelijktijdig Nature-artikel (december 2024) over AI Virtual Cells (AIVCs) — multi-schaal, multi-modale grote neurale netwerkmodellen die moleculen, cellen en weefsels moeten representeren . CZI organiseerde ook een Virtual Cells Workshop die veel van dezelfde knelpunten identificeerde, waaronder data-heterogeniteit, ruis, reproduceerbaarheidsproblemen en de behoefte aan betere multi-modale benchmarks .

Belangrijkste verschillen tussen de twee vlaggenschipprojecten:

Ondanks hun verschillen in reikwijdte en fase, delen beide projecten dezelfde fundamentele uitdaging: het integreren van zeer heterogene omics-data — zoals single-cell RNA-seq, proteomics, epigenomics en metabolomics — in uniforme, coherente modellen .

Erkende beperkingen

Het AIDO-artikel en de bijbehorende berichtgeving identificeren een aantal belangrijke beperkingen die het eerste enthousiasme temperen :

• Bevooroordeelde en onvolledige trainingsdata: De huidige biologische datasets zijn sterk gericht op goed bestudeerde cellijnen, veelvoorkomende ziekten en bevolkingsgroepen van Europese afkomst. Dit kan modelvoorspellingen vertekenen en demografische ongelijkheden in de gezondheidszorg verergeren .
• Patiëntvariabiliteit: De menselijke biologische diversiteit in genetische achtergronden, leeftijden en gezondheidsstatussen is enorm en wordt slecht vastgelegd door bestaande trainingscohorten. De auteurs merken uitdrukkelijk op dat modellen mogelijk niet generaliseren naar ondervertegenwoordigde populaties .
• Heterogene data-integratie: Het samenvoegen van gegevens uit verschillende modaliteiten — van transcriptomics tot proteomics tot beeldvorming tot klinische dossiers — blijft technisch moeilijk vanwege verschillen in schaal, meetruis en patronen van ontbrekende gegevens .
• Gebrek aan gestandaardiseerde benchmarks: Zonder evaluatiekaders die domeinen overstijgen, blijft het moeilijk om modellen van verschillende groepen objectief te vergelijken of de robuustheid in de echte wereld te beoordelen .

Toepassingen: filteren van medicijnkandidaten en respons bij uitbraken

Twee toepassingen worden het meest prominent genoemd als doelen voor de nabije toekomst van AIDO :

• Filteren van medicijnkandidaten: AIDO zou miljoenen stoffen in silico kunnen simuleren, waarbij de moleculaire binding, cellulaire respons, toxiciteit op weefselniveau en effectiviteit op organismeniveau worden voorspeld voordat er ook maar één experiment in het lab plaatsvindt. Dit zou de pool van kandidaten die experimenteel getest moeten worden drastisch verkleinen, waardoor zowel de kosten als de faalkans in de preklinische ontwikkeling afnemen .

• Versnellen van reacties op infectieziekte-uitbraken: Omdat het systeem modulair is en getraind op fundamentele biologische patronen (en niet slechts op één enkele ziekteverwekker), kan het snel worden aangepast om een nieuw virus of bacteriële dreiging te modelleren. Onderzoekers zouden infectiedynamiek kunnen simuleren, bibliotheken van bestaande medicijnen kunnen testen voor hergebruik en immuunresponsen kunnen voorspellen in het virtuele organisme, in dagen of weken in plaats van maanden .

Blauwdruk en architectuur: een modulaire stapel van basis-modellen

AIDO is geen enkel model, maar een modulair, verbindbaar, holistisch systeem van op transformatoren gebaseerde basis-modellen, elk gespecialiseerd in één biologisch schaalniveau :

• AIDO.DNA — modelleert de DNA-sequentie legt de basis voor het begrijpen van genetische variatie en de gevolgen ervan .
• AIDO.RNA — een model met 1,6 miljard parameters, voorgetraind op 42 miljoen niet-coderende RNA-sequenties met enkel-nucleotide-resolutie .
• AIDO.Protein — leert de sequentie, structuur en functie van eiwitten .
• AIDO.Cell — een reeks encoder-only dichte Transformatormodellen met tot 650 miljoen parameters, voorgetraind op 50 miljoen menselijke cellen uit verschillende weefsels en die ongeveer 20.000 genen per cel bestrijken .
• AIDO.Tissue — modelleert gedrag op weefselniveau en interacties tussen cellen .
• AIDO.Biology — een overkoepelende 'wereldmodel'-laag die alle lagere schaalniveaus integreert om uitkomsten op organismeniveau te simuleren .

De cruciale ontwerpkeuze is dat deze modules verbindbaar zijn — zodat een enkele verstoring, zoals een nieuw medicijnmolecuul of een genetische aanpassing, logisch kan worden gevolgd over de schalen heen: van moleculaire interactie via cellulaire respons en weefseleffect, helemaal tot een voorspelde gezondheidsuitkomst .

Doel: een multi-schaal-simulator en 'wereldmodel' van de biologie

De centrale ambitie is het creëren van een computationeel 'wereldmodel' van de biologie dat kan simuleren hoe een verandering op DNA-niveau doorwerkt via eiwitten, cellen, weefsels en fenotypes op organismeniveau . Dit zou onderzoekers in staat stellen om:

• Ziekten en complexe biologische processen computationeel te simuleren, waarmee jaren van experimenten in het lab worden omzeild .
• Medicijneffecten en -toxiciteit te voorspellen voordat er ook maar één experiment in het lab wordt uitgevoerd, waardoor het aantal kandidaten dat fysiek getest moet worden drastisch afneemt .
• Miljoenen in silico-verstoringen snel te testen, waardoor de kandidaat-pool voor experimentele validatie wordt beperkt tot alleen de meest veelbelovende .

Het project wordt wel omschreven als het bouwen van een 'vluchtsimulator' voor de geneeskunde, waarin wetenschappers virtueel kunnen experimenteren voordat ze overgaan tot echte experimenten .

Vergelijking met andere virtuele cel-initiatieven

Het concept van een AI-gestuurde virtuele cel is niet uniek voor het AIDO-team. De Chan Zuckerberg BioHub (CZI) publiceerde in samenwerking met Stanford en Genentech een gelijktijdig Nature-artikel (december 2024) over AI Virtual Cells (AIVCs) — multi-schaal, multi-modale grote neurale netwerkmodellen die moleculen, cellen en weefsels moeten representeren . CZI organiseerde ook een Virtual Cells Workshop die veel van dezelfde knelpunten identificeerde, waaronder data-heterogeniteit, ruis, reproduceerbaarheidsproblemen en de behoefte aan betere multi-modale benchmarks .

Belangrijkste verschillen tussen de twee vlaggenschipprojecten:

Ondanks hun verschillen in reikwijdte en fase, delen beide projecten dezelfde fundamentele uitdaging: het integreren van zeer heterogene omics-data — zoals single-cell RNA-seq, proteomics, epigenomics en metabolomics — in uniforme, coherente modellen .

Erkende beperkingen

Het AIDO-artikel en de bijbehorende berichtgeving identificeren een aantal belangrijke beperkingen die het eerste enthousiasme temperen :

• Bevooroordeelde en onvolledige trainingsdata: De huidige biologische datasets zijn sterk gericht op goed bestudeerde cellijnen, veelvoorkomende ziekten en bevolkingsgroepen van Europese afkomst. Dit kan modelvoorspellingen vertekenen en demografische ongelijkheden in de gezondheidszorg verergeren .
• Patiëntvariabiliteit: De menselijke biologische diversiteit in genetische achtergronden, leeftijden en gezondheidsstatussen is enorm en wordt slecht vastgelegd door bestaande trainingscohorten. De auteurs merken uitdrukkelijk op dat modellen mogelijk niet generaliseren naar ondervertegenwoordigde populaties .
• Heterogene data-integratie: Het samenvoegen van gegevens uit verschillende modaliteiten — van transcriptomics tot proteomics tot beeldvorming tot klinische dossiers — blijft technisch moeilijk vanwege verschillen in schaal, meetruis en patronen van ontbrekende gegevens .
• Gebrek aan gestandaardiseerde benchmarks: Zonder evaluatiekaders die domeinen overstijgen, blijft het moeilijk om modellen van verschillende groepen objectief te vergelijken of de robuustheid in de echte wereld te beoordelen .

Toepassingen: filteren van medicijnkandidaten en respons bij uitbraken

Twee toepassingen worden het meest prominent genoemd als doelen voor de nabije toekomst van AIDO :

• Filteren van medicijnkandidaten: AIDO zou miljoenen stoffen in silico kunnen simuleren, waarbij de moleculaire binding, cellulaire respons, toxiciteit op weefselniveau en effectiviteit op organismeniveau worden voorspeld voordat er ook maar één experiment in het lab plaatsvindt. Dit zou de pool van kandidaten die experimenteel getest moeten worden drastisch verkleinen, waardoor zowel de kosten als de faalkans in de preklinische ontwikkeling afnemen .

• Versnellen van reacties op infectieziekte-uitbraken: Omdat het systeem modulair is en getraind op fundamentele biologische patronen (en niet slechts op één enkele ziekteverwekker), kan het snel worden aangepast om een nieuw virus of bacteriële dreiging te modelleren. Onderzoekers zouden infectiedynamiek kunnen simuleren, bibliotheken van bestaande medicijnen kunnen testen voor hergebruik en immuunresponsen kunnen voorspellen in het virtuele organisme, in dagen of weken in plaats van maanden .