• Den er multiskala. AIDO Cell kobler genetisk informasjon, RNA-uttrykk, proteiner og cellefenotype. Tanken er at et inngrep – som å slå ut et gen eller tilføre et legemiddel – skal kunne forplante seg gjennom systemet og gi konsekvenser på flere nivåer, ikke bare endre ett transkriptomisk mål.
• Den er tilstandsbasert. Den simulerte cellen skal beholde konsekvensene av tidligere inngrep. Dermed kan forskere teste sekvenser, for eksempel et genutslag etterfulgt av et legemiddel eller flere behandlinger, der den andre responsen avhenger av cellens endrede tilstand etter den første.

Det er dette som ligger i betegnelsen «verdensmodell»: AIDO Cell skal ikke bare klassifisere et statisk biologisk prøvemateriale, men representere hvordan cellens tilstand endrer seg gjennom en serie påvirkninger.

Ikke en ny versjon av AlphaFold

AlphaFold er først og fremst kjent for å forutsi strukturen til enkeltproteiner. AIDO Cell sikter mot et bredere systemnivå: å modellere hvordan det molekylære maskineriet i en hel celle fungerer, og hvordan endringer på ett biologisk nivå kan påvirke andre nivåer.

Forskjellen handler derfor om hvilket spørsmål modellene forsøker å svare på. AlphaFold undersøker hvordan et protein kan se ut. AIDO Cell skal utforske hva som skjer med et helt cellulært system når molekylære komponenter eller andre input endres.

Modellen bygger videre på GenBio AIs tidligere arbeid med grunnmodeller for enkeltceller. AIDO.Cell-familien ble trent på rundt 50 millioner menneskeceller og omfatter modeller fra 3 millioner til 650 millioner parametre. Den tidligere retningen var særlig rettet mot å representere transkriptomisk kontekst. Den nye virtuelle cellen utvider dette mot en integrert simulering på tvers av biologiske skalaer.

Tre trinn mot et «digitalt organisme»

AIDO Cell er én del av GenBio AIs større program, AI-Driven Digital Organism – forkortet AIDO. Selskapet beskriver utviklingen i tre trinn:

1. Dele opp og spesialisere: Utvikle grunnmodeller for ulike biologiske datatyper og nivåer, blant annet DNA, RNA, proteiner, celler og vev.
2. Koble sammen: Knytte modellene sammen slik at informasjon, representasjoner og biologiske inngrep kan bevege seg mellom nivåene.
3. Integrert simulering og programmering: Bruke det sammenkoblede systemet til å forutsi biologiske utfall og på sikt bidra til å utforme inngrep i biologiske systemer. Dette er den langsiktige AIDO-visjonen – ikke en dokumentert egenskap ved dagens forhåndsversjon av AIDO Cell.

GenBio har tidligere beskrevet AIDO som et system av multiskala grunnmodeller som dekker sentrale biologiske datatyper, inkludert DNA, RNA, proteiner og genuttrykk i enkeltceller. Den store utfordringen er ikke bare å trene stadig større modeller, men å få de ulike representasjonene til å fungere sammen på en måte som gir nyttige inngrep og forutsigelser som kan testes eksperimentelt.

Imatinib-demonstrasjonen: Et viktig, men begrenset bevis

I den første kasusstudien rapporterte GenBio at AIDO Cell gjenskapte de kjente effektene og virkningsmekanismen til imatinib i K562-leukemiceller. Demonstrasjonen skulle vise hvordan modellen kan følge et legemiddels konsekvenser gjennom det modellerte cellemiljøet.

Det er et relevant teknologisk bevis på konseptet, men ikke det samme som en fremoverskuende validering. At en modell gjenskaper kjent biologi i etterkant, viser ikke at den kan forutsi responsen på et ukjent legemiddel, finne et nytt virkestoff eller slå enklere beregningsmetoder.

De offentlige opplysningene om lanseringen inneholdt heller ikke kvantitative nøyaktighetsmål, statistiske analyser, direkte sammenligninger med andre metoder eller prospektiv eksperimentell validering som kunne underbygge sterkere påstander.

Hvilke celletyper støttes nå?

Den nåværende forhåndsversjonen støtter to immortaliserte menneskelige cellelinjer:

• K562, som ble brukt i imatinib-demonstrasjonen
• HepG2

GenBio har omtalt flere celletyper og utvidede funksjoner som planlagte utvidelser i 2026–27. Det er viktig, fordi resultater fra et begrenset antall immortaliserte cellelinjer ikke automatisk kan overføres til primærceller, vev eller pasienter.

Hvordan kan dette påvirke utviklingen av legemidler?

En virtuell celle kan i prinsippet gjøre tidlige deler av legemiddelutviklingen mer effektive. Forskere kan undersøke flere hypoteser før hver enkelt må testes i laboratoriet, og sammenligne mulige virkestoffer, målproteiner, kombinasjoner og behandlingssekvenser i en simulering.

Den mest realistiske kortsiktige rollen er derfor prioritering av kandidater. AIDO Cell kan potensielt hjelpe forskere med å avgjøre hvilke forbindelser som fortjener dyrere forsøk, hvilke biologiske inngrep som er verdt å undersøke, og hvilke resultater som kan tyde på svakheter i et eksperimentelt oppsett. Modellen kan også bidra til bedre oppfølgingsforsøk ved å vise hvordan en respons endres etter en tidligere behandling.

Dette er et verktøy for sortering og planlegging – ikke en klinisk garanti. En modell av cellelinjer fanger ikke alene opp legemidlers opptak og omsetning i kroppen, samspillet med immunforsvar og vev, variasjon mellom pasienter, toksisitet eller kliniske utfall. En virtuell celle er ikke det samme som et komplett virtuelt menneske, og en respons beregnet i en datamaskin kan ikke erstatte dyrestudier, kliniske studier eller regulatoriske bevis.

Den avgjørende testen er fortsatt eksperimentet

Den viktigste prøven for AIDO Cell blir prospektiv validering: Kan modellen forutsi responser den ikke allerede er bygget for å gjenskape, og stemmer disse forutsigelsene når de testes under kontrollerte laboratorieforhold?

Inntil slike data foreligger, er den mest nøkterne beskrivelsen at AIDO Cell er et lovende lag for virtuell screening og eksperimentplanlegging. Den multiskala og tilstandsbaserte utformingen kan gjøre simuleringer mer realistiske og nyttige enn isolerte molekyl- eller transkriptommodeller. Men arkitekturen i seg selv dokumenterer ikke at forutsigelsene er presise.

Avstanden mellom å gjenskape kjent biologi og å oppdage ny, pålitelig biologi er fortsatt den avgjørende vitenskapelige utfordringen.

Tidlig tilgang

GenBio AI forbereder et program for tidlig tilgang for samarbeidspartnere innen akademia, bioteknologi og legemiddelindustrien.

Foreløpig bør AIDO Cell derfor forstås som et tidlig forskningssystem: ambisiøst i omfang og potensielt nyttig for å snevre inn det eksperimentelle søket, men fortsatt uten den prospektive dokumentasjonen som trengs for å hevde at det kan erstatte etablerte metoder i legemiddelutvikling eller biologisk forskning.

• Den er multiskala. AIDO Cell kobler genetisk informasjon, RNA-uttrykk, proteiner og cellefenotype. Tanken er at et inngrep – som å slå ut et gen eller tilføre et legemiddel – skal kunne forplante seg gjennom systemet og gi konsekvenser på flere nivåer, ikke bare endre ett transkriptomisk mål.
• Den er tilstandsbasert. Den simulerte cellen skal beholde konsekvensene av tidligere inngrep. Dermed kan forskere teste sekvenser, for eksempel et genutslag etterfulgt av et legemiddel eller flere behandlinger, der den andre responsen avhenger av cellens endrede tilstand etter den første.

Det er dette som ligger i betegnelsen «verdensmodell»: AIDO Cell skal ikke bare klassifisere et statisk biologisk prøvemateriale, men representere hvordan cellens tilstand endrer seg gjennom en serie påvirkninger.

Ikke en ny versjon av AlphaFold

AlphaFold er først og fremst kjent for å forutsi strukturen til enkeltproteiner. AIDO Cell sikter mot et bredere systemnivå: å modellere hvordan det molekylære maskineriet i en hel celle fungerer, og hvordan endringer på ett biologisk nivå kan påvirke andre nivåer.

Forskjellen handler derfor om hvilket spørsmål modellene forsøker å svare på. AlphaFold undersøker hvordan et protein kan se ut. AIDO Cell skal utforske hva som skjer med et helt cellulært system når molekylære komponenter eller andre input endres.

Modellen bygger videre på GenBio AIs tidligere arbeid med grunnmodeller for enkeltceller. AIDO.Cell-familien ble trent på rundt 50 millioner menneskeceller og omfatter modeller fra 3 millioner til 650 millioner parametre. Den tidligere retningen var særlig rettet mot å representere transkriptomisk kontekst. Den nye virtuelle cellen utvider dette mot en integrert simulering på tvers av biologiske skalaer.

Tre trinn mot et «digitalt organisme»

AIDO Cell er én del av GenBio AIs større program, AI-Driven Digital Organism – forkortet AIDO. Selskapet beskriver utviklingen i tre trinn:

1. Dele opp og spesialisere: Utvikle grunnmodeller for ulike biologiske datatyper og nivåer, blant annet DNA, RNA, proteiner, celler og vev.
2. Koble sammen: Knytte modellene sammen slik at informasjon, representasjoner og biologiske inngrep kan bevege seg mellom nivåene.
3. Integrert simulering og programmering: Bruke det sammenkoblede systemet til å forutsi biologiske utfall og på sikt bidra til å utforme inngrep i biologiske systemer. Dette er den langsiktige AIDO-visjonen – ikke en dokumentert egenskap ved dagens forhåndsversjon av AIDO Cell.

GenBio har tidligere beskrevet AIDO som et system av multiskala grunnmodeller som dekker sentrale biologiske datatyper, inkludert DNA, RNA, proteiner og genuttrykk i enkeltceller. Den store utfordringen er ikke bare å trene stadig større modeller, men å få de ulike representasjonene til å fungere sammen på en måte som gir nyttige inngrep og forutsigelser som kan testes eksperimentelt.

Imatinib-demonstrasjonen: Et viktig, men begrenset bevis

I den første kasusstudien rapporterte GenBio at AIDO Cell gjenskapte de kjente effektene og virkningsmekanismen til imatinib i K562-leukemiceller. Demonstrasjonen skulle vise hvordan modellen kan følge et legemiddels konsekvenser gjennom det modellerte cellemiljøet.

Det er et relevant teknologisk bevis på konseptet, men ikke det samme som en fremoverskuende validering. At en modell gjenskaper kjent biologi i etterkant, viser ikke at den kan forutsi responsen på et ukjent legemiddel, finne et nytt virkestoff eller slå enklere beregningsmetoder.

De offentlige opplysningene om lanseringen inneholdt heller ikke kvantitative nøyaktighetsmål, statistiske analyser, direkte sammenligninger med andre metoder eller prospektiv eksperimentell validering som kunne underbygge sterkere påstander.

Hvilke celletyper støttes nå?

Den nåværende forhåndsversjonen støtter to immortaliserte menneskelige cellelinjer:

• K562, som ble brukt i imatinib-demonstrasjonen
• HepG2

GenBio har omtalt flere celletyper og utvidede funksjoner som planlagte utvidelser i 2026–27. Det er viktig, fordi resultater fra et begrenset antall immortaliserte cellelinjer ikke automatisk kan overføres til primærceller, vev eller pasienter.

Hvordan kan dette påvirke utviklingen av legemidler?

En virtuell celle kan i prinsippet gjøre tidlige deler av legemiddelutviklingen mer effektive. Forskere kan undersøke flere hypoteser før hver enkelt må testes i laboratoriet, og sammenligne mulige virkestoffer, målproteiner, kombinasjoner og behandlingssekvenser i en simulering.

Den mest realistiske kortsiktige rollen er derfor prioritering av kandidater. AIDO Cell kan potensielt hjelpe forskere med å avgjøre hvilke forbindelser som fortjener dyrere forsøk, hvilke biologiske inngrep som er verdt å undersøke, og hvilke resultater som kan tyde på svakheter i et eksperimentelt oppsett. Modellen kan også bidra til bedre oppfølgingsforsøk ved å vise hvordan en respons endres etter en tidligere behandling.

Dette er et verktøy for sortering og planlegging – ikke en klinisk garanti. En modell av cellelinjer fanger ikke alene opp legemidlers opptak og omsetning i kroppen, samspillet med immunforsvar og vev, variasjon mellom pasienter, toksisitet eller kliniske utfall. En virtuell celle er ikke det samme som et komplett virtuelt menneske, og en respons beregnet i en datamaskin kan ikke erstatte dyrestudier, kliniske studier eller regulatoriske bevis.

Den avgjørende testen er fortsatt eksperimentet

Den viktigste prøven for AIDO Cell blir prospektiv validering: Kan modellen forutsi responser den ikke allerede er bygget for å gjenskape, og stemmer disse forutsigelsene når de testes under kontrollerte laboratorieforhold?

Inntil slike data foreligger, er den mest nøkterne beskrivelsen at AIDO Cell er et lovende lag for virtuell screening og eksperimentplanlegging. Den multiskala og tilstandsbaserte utformingen kan gjøre simuleringer mer realistiske og nyttige enn isolerte molekyl- eller transkriptommodeller. Men arkitekturen i seg selv dokumenterer ikke at forutsigelsene er presise.

Avstanden mellom å gjenskape kjent biologi og å oppdage ny, pålitelig biologi er fortsatt den avgjørende vitenskapelige utfordringen.

Tidlig tilgang

GenBio AI forbereder et program for tidlig tilgang for samarbeidspartnere innen akademia, bioteknologi og legemiddelindustrien.

Foreløpig bør AIDO Cell derfor forstås som et tidlig forskningssystem: ambisiøst i omfang og potensielt nyttig for å snevre inn det eksperimentelle søket, men fortsatt uten den prospektive dokumentasjonen som trengs for å hevde at det kan erstatte etablerte metoder i legemiddelutvikling eller biologisk forskning.