Plan i architektura: Modułowy stos modeli fundamentowych

AIDO nie jest pojedynczym modelem, ale modułowym, łączliwym, holistycznym systemem modeli fundamentowych opartych na architekturze transformera, z których każdy wyspecjalizowany jest w jednej skali biologicznej :

• AIDO.DNA – modeluje sekwencję genomu, stanowiąc podstawę do zrozumienia zmienności genetycznej i jej konsekwencji .
• AIDO.RNA – model o 1,6 miliarda parametrów, wstępnie trenowany na 42 milionach niekodujących sekwencji RNA w rozdzielczości pojedynczego nukleotydu .
• AIDO.Protein – uczy się sekwencji, struktury i funkcji białek .
• AIDO.Cell – seria gęstych modeli Transformer (tylko z enkoderem) o wielkości do 650 milionów parametrów, wstępnie trenowana na 50 milionach ludzkich komórek z różnych tkanek, pokrywających około 20 000 genów na komórkę .
• AIDO.Tissue – modeluje zachowanie tkanek i interakcje międzykomórkowe .
• AIDO.Biology – nadrzędna warstwa „modelu świata”, która integruje wszystkie niższe skale, aby symulować wyniki na poziomie całego organizmu .

Kluczowym założeniem projektowym jest to, że moduły te są łączliwe – dzięki temu pojedyncze zaburzenie, takie jak nowa cząsteczka leku lub edycja genu, może być logicznie prześledzone w skali: od interakcji molekularnej, przez odpowiedź komórkową i efekt tkankowy, aż do przewidywanego wyniku zdrowotnego .

Cel: Wieloskalowy symulator i „model świata” biologii

Centralną ambicją jest stworzenie obliczeniowego „modelu świata” biologii, który potrafiłby symulować, w jaki sposób zmiana na poziomie DNA rozchodzi się na białka, komórki, tkanki i fenotypy całego organizmu . Umożliwiłoby to badaczom:

• Symulowanie chorób i złożonych procesów biologicznych obliczeniowo, omijając wieloletnie eksperymenty mokre .
• Przewidywanie działania leków i toksyczności jeszcze przed przeprowadzeniem jakiegokolwiek eksperymentu, radykalnie zmniejszając liczbę kandydatów, które trzeba będzie fizycznie przetestować .
• Szybkie testowanie milionów in silico zaburzeń, zawężając pulę kandydatów do weryfikacji eksperymentalnej tylko do tych najbardziej obiecujących .

Projekt porównywany jest do budowy „symulatora lotu” dla medycyny, w którym naukowcy mogą eksperymentować wirtualnie, zanim przejdą do eksperymentów w świecie rzeczywistym .

Porównanie z innymi projektami wirtualnych komórek

Koncepcja wirtualnej komórki napędzanej AI nie jest unikalna dla zespołu AIDO. Chan Zuckerberg BioHub (CZI), we współpracy ze Stanfordem i Genentech, opublikował równoczesną perspektywę w Nature (grudzień 2024) na temat AI Virtual Cells (AIVCs) – wieloskalowych, wielomodalnych modeli sieci neuronowych, które mają reprezentować cząsteczki, komórki i tkanki . CZI zorganizowało także warsztaty Virtual Cells Workshop, które zidentyfikowały wiele tych samych wąskich gardeł, w tym heterogeniczność danych, szum, problemy z odtwarzalnością i potrzebę lepszych testów porównawczych .

Kluczowe różnice między tymi dwoma flagowymi projektami:

Mimo różnic w zakresie i etapie, oba projekty stoją przed tym samym podstawowym wyzwaniem: integracją wysoce heterogenicznych danych omikowych – sekwencjonowania RNA pojedynczych komórek, proteomiki, epigenomiki, metabolomiki – w ujednolicone, spójne modele .

Uznane ograniczenia

Artykuł o AIDO i związane z nim publikacje identyfikują kilka istotnych ograniczeń, które studzą początkowy entuzjazm :

• Tendencyjne i niekompletne dane treningowe: Obecne zestawy danych biologicznych są mocno przechylone w stronę dobrze poznanych linii komórkowych, powszechnych chorób i populacji pochodzenia europejskiego. Może to wypaczać przewidywania modelu i potencjalnie pogłębiać nierówności demograficzne w opiece zdrowotnej .
• Zmienność pacjentów: Ludzka różnorodność biologiczna – pod względem podłoża genetycznego, wieku i stanu zdrowia – jest ogromna i słabo uchwycona przez istniejące kohorty treningowe. Autorzy wyraźnie zauważają, że modele mogą nie radzić sobie z generalizacją w przypadku słabo reprezentowanych populacji .
• Integracja heterogenicznych danych: Łączenie danych z różnych modalności – od transkryptomiki, przez proteomikę, po obrazowanie i dokumentację kliniczną – pozostaje technicznie trudne ze względu na różnice w skali, szumy pomiarowe i wzorce brakujących danych .
• Brak ustandaryzowanych testów porównawczych: Bez międzyobszarowych ram oceny trudno jest obiektywnie porównywać modele z różnych grup lub oceniać ich solidność w rzeczywistych zastosowaniach .

Zastosowania: Filtrowanie kandydatów na leki i odpowiedź na epidemie

Dwa zastosowania są wymieniane jako najważniejsze, bliskie cele dla AIDO :

• Filtrowanie kandydatów na leki: AIDO mógłby symulować miliony związków in silico, przewidując ich wiązanie molekularne, odpowiedź komórkową, toksyczność na poziomie tkanek i skuteczność na poziomie całego organizmu przed jakimikolwiek pracami laboratoryjnymi. Pozwoliłoby to radykalnie zmniejszyć pulę kandydatów wymagających testów eksperymentalnych, obniżając zarówno koszty, jak i wskaźniki niepowodzeń w rozwoju przedklinicznym .
• Przyspieszenie odpowiedzi na ogniska chorób zakaźnych: Ponieważ system jest modułowy i trenowany na podstawowych wzorcach biologicznych (a nie tylko na jednym patogenie), mógłby być szybko adaptowany do modelowania nowego wirusa lub zagrożenia bakteryjnego. Naukowcy mogliby symulować dynamikę infekcji, testować biblioteki istniejących leków pod kątem ich ponownego wykorzystania i przewidywać odpowiedzi immunologiczne w obrębie wirtualnego organizmu w ciągu dni lub tygodni, zamiast miesięcy .

Plan i architektura: Modułowy stos modeli fundamentowych

AIDO nie jest pojedynczym modelem, ale modułowym, łączliwym, holistycznym systemem modeli fundamentowych opartych na architekturze transformera, z których każdy wyspecjalizowany jest w jednej skali biologicznej :

• AIDO.DNA – modeluje sekwencję genomu, stanowiąc podstawę do zrozumienia zmienności genetycznej i jej konsekwencji .
• AIDO.RNA – model o 1,6 miliarda parametrów, wstępnie trenowany na 42 milionach niekodujących sekwencji RNA w rozdzielczości pojedynczego nukleotydu .
• AIDO.Protein – uczy się sekwencji, struktury i funkcji białek .
• AIDO.Cell – seria gęstych modeli Transformer (tylko z enkoderem) o wielkości do 650 milionów parametrów, wstępnie trenowana na 50 milionach ludzkich komórek z różnych tkanek, pokrywających około 20 000 genów na komórkę .
• AIDO.Tissue – modeluje zachowanie tkanek i interakcje międzykomórkowe .
• AIDO.Biology – nadrzędna warstwa „modelu świata”, która integruje wszystkie niższe skale, aby symulować wyniki na poziomie całego organizmu .

Kluczowym założeniem projektowym jest to, że moduły te są łączliwe – dzięki temu pojedyncze zaburzenie, takie jak nowa cząsteczka leku lub edycja genu, może być logicznie prześledzone w skali: od interakcji molekularnej, przez odpowiedź komórkową i efekt tkankowy, aż do przewidywanego wyniku zdrowotnego .

Cel: Wieloskalowy symulator i „model świata” biologii

Centralną ambicją jest stworzenie obliczeniowego „modelu świata” biologii, który potrafiłby symulować, w jaki sposób zmiana na poziomie DNA rozchodzi się na białka, komórki, tkanki i fenotypy całego organizmu . Umożliwiłoby to badaczom:

• Symulowanie chorób i złożonych procesów biologicznych obliczeniowo, omijając wieloletnie eksperymenty mokre .
• Przewidywanie działania leków i toksyczności jeszcze przed przeprowadzeniem jakiegokolwiek eksperymentu, radykalnie zmniejszając liczbę kandydatów, które trzeba będzie fizycznie przetestować .
• Szybkie testowanie milionów in silico zaburzeń, zawężając pulę kandydatów do weryfikacji eksperymentalnej tylko do tych najbardziej obiecujących .

Projekt porównywany jest do budowy „symulatora lotu” dla medycyny, w którym naukowcy mogą eksperymentować wirtualnie, zanim przejdą do eksperymentów w świecie rzeczywistym .

Porównanie z innymi projektami wirtualnych komórek

Koncepcja wirtualnej komórki napędzanej AI nie jest unikalna dla zespołu AIDO. Chan Zuckerberg BioHub (CZI), we współpracy ze Stanfordem i Genentech, opublikował równoczesną perspektywę w Nature (grudzień 2024) na temat AI Virtual Cells (AIVCs) – wieloskalowych, wielomodalnych modeli sieci neuronowych, które mają reprezentować cząsteczki, komórki i tkanki . CZI zorganizowało także warsztaty Virtual Cells Workshop, które zidentyfikowały wiele tych samych wąskich gardeł, w tym heterogeniczność danych, szum, problemy z odtwarzalnością i potrzebę lepszych testów porównawczych .

Kluczowe różnice między tymi dwoma flagowymi projektami:

Mimo różnic w zakresie i etapie, oba projekty stoją przed tym samym podstawowym wyzwaniem: integracją wysoce heterogenicznych danych omikowych – sekwencjonowania RNA pojedynczych komórek, proteomiki, epigenomiki, metabolomiki – w ujednolicone, spójne modele .

Uznane ograniczenia

Artykuł o AIDO i związane z nim publikacje identyfikują kilka istotnych ograniczeń, które studzą początkowy entuzjazm :

• Tendencyjne i niekompletne dane treningowe: Obecne zestawy danych biologicznych są mocno przechylone w stronę dobrze poznanych linii komórkowych, powszechnych chorób i populacji pochodzenia europejskiego. Może to wypaczać przewidywania modelu i potencjalnie pogłębiać nierówności demograficzne w opiece zdrowotnej .
• Zmienność pacjentów: Ludzka różnorodność biologiczna – pod względem podłoża genetycznego, wieku i stanu zdrowia – jest ogromna i słabo uchwycona przez istniejące kohorty treningowe. Autorzy wyraźnie zauważają, że modele mogą nie radzić sobie z generalizacją w przypadku słabo reprezentowanych populacji .
• Integracja heterogenicznych danych: Łączenie danych z różnych modalności – od transkryptomiki, przez proteomikę, po obrazowanie i dokumentację kliniczną – pozostaje technicznie trudne ze względu na różnice w skali, szumy pomiarowe i wzorce brakujących danych .
• Brak ustandaryzowanych testów porównawczych: Bez międzyobszarowych ram oceny trudno jest obiektywnie porównywać modele z różnych grup lub oceniać ich solidność w rzeczywistych zastosowaniach .

Zastosowania: Filtrowanie kandydatów na leki i odpowiedź na epidemie

Dwa zastosowania są wymieniane jako najważniejsze, bliskie cele dla AIDO :

• Filtrowanie kandydatów na leki: AIDO mógłby symulować miliony związków in silico, przewidując ich wiązanie molekularne, odpowiedź komórkową, toksyczność na poziomie tkanek i skuteczność na poziomie całego organizmu przed jakimikolwiek pracami laboratoryjnymi. Pozwoliłoby to radykalnie zmniejszyć pulę kandydatów wymagających testów eksperymentalnych, obniżając zarówno koszty, jak i wskaźniki niepowodzeń w rozwoju przedklinicznym .
• Przyspieszenie odpowiedzi na ogniska chorób zakaźnych: Ponieważ system jest modułowy i trenowany na podstawowych wzorcach biologicznych (a nie tylko na jednym patogenie), mógłby być szybko adaptowany do modelowania nowego wirusa lub zagrożenia bakteryjnego. Naukowcy mogliby symulować dynamikę infekcji, testować biblioteki istniejących leków pod kątem ich ponownego wykorzystania i przewidywać odpowiedzi immunologiczne w obrębie wirtualnego organizmu w ciągu dni lub tygodni, zamiast miesięcy .