Blueprint e Arquitetura: Uma Pilha Modular de Modelos de Fundação

O AIDO não é um modelo único, mas um sistema modular, conectável e holístico de modelos de fundação baseados em transformadores, cada um especializado em uma escala biológica :

• AIDO.DNA — modela a sequência genômica, estabelecendo a base para entender a variação genética e seus efeitos downstream .
• AIDO.RNA — um modelo de 1,6 bilhão de parâmetros pré-treinado em 42 milhões de sequências de RNA não codificante em resolução de nucleotídeo único .
• AIDO.Protein — aprende a sequência, estrutura e função das proteínas .
• AIDO.Cell — uma série de modelos Transformer densos apenas com codificador, com até 650 milhões de parâmetros, pré-treinados em 50 milhões de células humanas de diversos tecidos, abrangendo aproximadamente 20.000 genes por célula .
• AIDO.Tissue — modela o comportamento em nível de tecido e as interações celulares .
• AIDO.Biology — uma camada abrangente de "modelo mundial" que integra todas as escalas inferiores para simular resultados em nível de organismo .

A escolha crítica de design é que esses módulos são conectáveis — de modo que uma única perturbação, como uma nova molécula de fármaco ou uma edição genética, pode ser rastreada logicamente através das escalas: da interação molecular à resposta celular e ao efeito no tecido, até um resultado de saúde previsto .

Objetivo: Um Simulador Multi-Escala e "Modelo Mundial" da Biologia

A ambição central é criar um "modelo mundial" computacional da biologia que possa simular como uma alteração no nível do DNA se propaga através de proteínas, células, tecidos e fenótipos em nível de organismo . Isso permitiria que os pesquisadores:

• Simulem doenças e processos biológicos complexos computacionalmente, evitando anos de experimentação em bancada .
• Prevejam efeitos e toxicidade de fármacos antes mesmo de realizar um experimento em laboratório, reduzindo drasticamente o número de candidatos que precisam ser testados fisicamente .
• Testem rapidamente milhões de perturbações in silico, estreitando o grupo de candidatos para validação experimental apenas aos mais promissores .

O projeto tem sido descrito como a construção de um "simulador de voo" para a medicina, onde os cientistas podem experimentar virtualmente antes de se comprometerem com experimentos no mundo real .

Comparação com Outros Esforços de Célula Virtual

O conceito de uma célula virtual orientada por IA não é exclusivo da equipe do AIDO. O Chan Zuckerberg BioHub (CZI), em colaboração com Stanford e Genentech, publicou uma Perspectiva simultânea no Nature (dezembro de 2024) sobre as Células Virtuais com IA (AIVCs) — modelos de redes neurais de grande escala, multi-escala e multimodais, projetados para representar moléculas, células e tecidos . O CZI também convocou um Workshop de Células Virtuais que identificou muitos dos mesmos gargalos, incluindo heterogeneidade de dados, ruído, desafios de reprodutibilidade e a necessidade de melhores benchmarks multimodais .

Principais diferenças entre os dois projetos emblemáticos:

Apesar das diferenças de escopo e estágio, ambos os projetos compartilham o mesmo desafio fundamental: integrar dados ômicos altamente heterogêneos — RNA-seq de célula única, proteômica, epigenômica, metabolômica — em modelos unificados e coerentes .

Limitações Reconhecidas

O artigo do AIDO e a cobertura associada identificam várias limitações significativas que moderam o entusiasmo inicial :

• Dados de treinamento tendenciosos e incompletos: Os conjuntos de dados biológicos atuais são fortemente distorcidos para linhagens celulares bem estudadas, doenças comuns e populações de ascendência europeia. Isso pode enviesar as previsões do modelo e potencialmente exacerbar as desigualdades demográficas na saúde .
• Variabilidade do paciente: A diversidade biológica humana entre diferentes origens genéticas, idades e estados de saúde é vasta e mal capturada pelas coortes de treinamento existentes. Os autores observam explicitamente que os modelos podem não generalizar quando aplicados a populações sub-representadas .
• Integração de dados heterogêneos: Fundir dados entre modalidades — da transcriptômica à proteômica, imageamento e registros clínicos — continua tecnicamente difícil devido a diferenças de escala, ruído de medição e padrões de dados ausentes .
• Falta de benchmarks padronizados: Sem estruturas de avaliação entre domínios, continua sendo difícil comparar objetivamente modelos de diferentes grupos ou avaliar a robustez no mundo real .

Aplicações: Filtragem de Candidatos a Fármacos e Resposta a Surtos

Duas aplicações são destacadas como alvos de curto prazo para o AIDO :

• Filtragem de candidatos a fármacos: O AIDO poderia simular milhões de compostos in silico, prevendo sua ligação molecular, resposta celular, toxicidade em nível de tecido e eficácia em nível de organismo antes de qualquer trabalho em bancada. Isso reduziria drasticamente o grupo de candidatos que exigem testes experimentais, diminuindo tanto o custo quanto as taxas de falha do desenvolvimento pré-clínico .

• Aceleração de respostas a surtos de doenças infecciosas: Como o sistema é modular e treinado em padrões biológicos fundamentais (e não apenas em um único patógeno), ele poderia ser rapidamente adaptado para modelar um novo vírus ou ameaça bacteriana. Os pesquisadores poderiam simular a dinâmica da infecção, testar bibliotecas de medicamentos existentes para reposicionamento e prever respostas imunes em todo o organismo virtual em dias ou semanas, em vez de meses .

Blueprint e Arquitetura: Uma Pilha Modular de Modelos de Fundação

O AIDO não é um modelo único, mas um sistema modular, conectável e holístico de modelos de fundação baseados em transformadores, cada um especializado em uma escala biológica :

• AIDO.DNA — modela a sequência genômica, estabelecendo a base para entender a variação genética e seus efeitos downstream .
• AIDO.RNA — um modelo de 1,6 bilhão de parâmetros pré-treinado em 42 milhões de sequências de RNA não codificante em resolução de nucleotídeo único .
• AIDO.Protein — aprende a sequência, estrutura e função das proteínas .
• AIDO.Cell — uma série de modelos Transformer densos apenas com codificador, com até 650 milhões de parâmetros, pré-treinados em 50 milhões de células humanas de diversos tecidos, abrangendo aproximadamente 20.000 genes por célula .
• AIDO.Tissue — modela o comportamento em nível de tecido e as interações celulares .
• AIDO.Biology — uma camada abrangente de "modelo mundial" que integra todas as escalas inferiores para simular resultados em nível de organismo .

A escolha crítica de design é que esses módulos são conectáveis — de modo que uma única perturbação, como uma nova molécula de fármaco ou uma edição genética, pode ser rastreada logicamente através das escalas: da interação molecular à resposta celular e ao efeito no tecido, até um resultado de saúde previsto .

Objetivo: Um Simulador Multi-Escala e "Modelo Mundial" da Biologia

A ambição central é criar um "modelo mundial" computacional da biologia que possa simular como uma alteração no nível do DNA se propaga através de proteínas, células, tecidos e fenótipos em nível de organismo . Isso permitiria que os pesquisadores:

• Simulem doenças e processos biológicos complexos computacionalmente, evitando anos de experimentação em bancada .
• Prevejam efeitos e toxicidade de fármacos antes mesmo de realizar um experimento em laboratório, reduzindo drasticamente o número de candidatos que precisam ser testados fisicamente .
• Testem rapidamente milhões de perturbações in silico, estreitando o grupo de candidatos para validação experimental apenas aos mais promissores .

O projeto tem sido descrito como a construção de um "simulador de voo" para a medicina, onde os cientistas podem experimentar virtualmente antes de se comprometerem com experimentos no mundo real .

Comparação com Outros Esforços de Célula Virtual

O conceito de uma célula virtual orientada por IA não é exclusivo da equipe do AIDO. O Chan Zuckerberg BioHub (CZI), em colaboração com Stanford e Genentech, publicou uma Perspectiva simultânea no Nature (dezembro de 2024) sobre as Células Virtuais com IA (AIVCs) — modelos de redes neurais de grande escala, multi-escala e multimodais, projetados para representar moléculas, células e tecidos . O CZI também convocou um Workshop de Células Virtuais que identificou muitos dos mesmos gargalos, incluindo heterogeneidade de dados, ruído, desafios de reprodutibilidade e a necessidade de melhores benchmarks multimodais .

Principais diferenças entre os dois projetos emblemáticos:

Apesar das diferenças de escopo e estágio, ambos os projetos compartilham o mesmo desafio fundamental: integrar dados ômicos altamente heterogêneos — RNA-seq de célula única, proteômica, epigenômica, metabolômica — em modelos unificados e coerentes .

Limitações Reconhecidas

O artigo do AIDO e a cobertura associada identificam várias limitações significativas que moderam o entusiasmo inicial :

• Dados de treinamento tendenciosos e incompletos: Os conjuntos de dados biológicos atuais são fortemente distorcidos para linhagens celulares bem estudadas, doenças comuns e populações de ascendência europeia. Isso pode enviesar as previsões do modelo e potencialmente exacerbar as desigualdades demográficas na saúde .
• Variabilidade do paciente: A diversidade biológica humana entre diferentes origens genéticas, idades e estados de saúde é vasta e mal capturada pelas coortes de treinamento existentes. Os autores observam explicitamente que os modelos podem não generalizar quando aplicados a populações sub-representadas .
• Integração de dados heterogêneos: Fundir dados entre modalidades — da transcriptômica à proteômica, imageamento e registros clínicos — continua tecnicamente difícil devido a diferenças de escala, ruído de medição e padrões de dados ausentes .
• Falta de benchmarks padronizados: Sem estruturas de avaliação entre domínios, continua sendo difícil comparar objetivamente modelos de diferentes grupos ou avaliar a robustez no mundo real .

Aplicações: Filtragem de Candidatos a Fármacos e Resposta a Surtos

Duas aplicações são destacadas como alvos de curto prazo para o AIDO :

• Filtragem de candidatos a fármacos: O AIDO poderia simular milhões de compostos in silico, prevendo sua ligação molecular, resposta celular, toxicidade em nível de tecido e eficácia em nível de organismo antes de qualquer trabalho em bancada. Isso reduziria drasticamente o grupo de candidatos que exigem testes experimentais, diminuindo tanto o custo quanto as taxas de falha do desenvolvimento pré-clínico .

• Aceleração de respostas a surtos de doenças infecciosas: Como o sistema é modular e treinado em padrões biológicos fundamentais (e não apenas em um único patógeno), ele poderia ser rapidamente adaptado para modelar um novo vírus ou ameaça bacteriana. Os pesquisadores poderiam simular a dinâmica da infecção, testar bibliotecas de medicamentos existentes para reposicionamento e prever respostas imunes em todo o organismo virtual em dias ou semanas, em vez de meses .