O sistema tem duas características centrais:

• Multiescalar: conecta informações genéticas, expressão de RNA, proteínas e fenótipos celulares. Assim, uma intervenção como um nocaute gênico ou a aplicação de um fármaco pode gerar efeitos propagados por toda a hierarquia modelada, em vez de aparecer apenas como uma mudança nos níveis de transcrição.
• Com estado: a célula simulada conserva os efeitos das intervenções anteriores. Isso permite representar sequências — por exemplo, um nocaute seguido de um medicamento ou tratamentos repetidos — nas quais a segunda resposta depende do estado deixado pela primeira.

É esse aspecto que sustenta a descrição de AIDO Cell como um “modelo de mundo” para a biologia: a ideia não é apenas classificar uma amostra estática, mas acompanhar como uma célula muda ao longo de uma série de intervenções.

Como ele se diferencia do AlphaFold

O AlphaFold ficou conhecido principalmente por prever a estrutura de proteínas individuais. O AIDO Cell mira uma pergunta mais ampla e sistêmica: como a maquinaria molecular de uma célula inteira se comporta e como uma alteração em uma camada biológica afeta as demais.

Isso não significa que o AIDO Cell substitua a previsão de estruturas feita pelo AlphaFold. São problemas diferentes. Em termos simples, o AlphaFold busca responder “como esta proteína pode ser?”; o AIDO Cell tenta explorar “o que acontece com o sistema celular quando seus componentes ou entradas são alterados?”

O modelo também amplia a base construída pelo trabalho anterior da GenBio com modelos fundacionais de célula única. A família AIDO.Cell foi treinada com cerca de 50 milhões de células humanas e reúne modelos de 3 milhões a 650 milhões de parâmetros, inicialmente voltados à representação do contexto transcriptômico. A nova direção de célula virtual procura levar essa base para uma simulação integrada entre diferentes escalas.

A estratégia de três etapas por trás do AIDO

O AIDO Cell é uma parte do programa mais amplo AI-Driven Digital Organism — ou AIDO, “organismo digital orientado por IA”. O roteiro da GenBio AI é dividido em três fases:

1. Dividir para conquistar: criar modelos fundacionais especializados para diferentes modalidades e escalas biológicas, como DNA, RNA, proteínas, células e tecidos.
2. Conectar os pontos: ligar esses modelos para que informações, representações e perturbações possam transitar entre as escalas biológicas.
3. Conquistar por meio de simulação e programação integradas: usar o sistema conectado para prever resultados biológicos e, no futuro, ajudar a projetar intervenções em sistemas biológicos. Essa é a visão de longo prazo do AIDO, não uma capacidade já comprovada pela prévia atual do AIDO Cell.

A GenBio já descreveu o AIDO como um sistema de modelos multiescalares que cobre tipos importantes de dados biológicos, incluindo DNA, RNA, proteínas e expressão de células individuais. O desafio, porém, não é apenas aumentar o tamanho dos modelos. É fazer com que representações biológicas diferentes funcionem juntas de maneira útil para intervenções semelhantes a causas e efeitos — e para previsões que possam ser testadas experimentalmente.

O que a demonstração com imatinibe mostrou

No primeiro estudo de caso, a GenBio informou que o AIDO Cell reproduziu os efeitos e o mecanismo já estabelecidos do imatinibe em células de leucemia da linhagem K562. A demonstração buscou mostrar como o modelo acompanha as consequências de um medicamento dentro do ambiente celular simulado.

O resultado é um sinal de prova de conceito, mas não equivale a uma validação prospectiva. Reproduzir uma biologia conhecida depois que ela já foi observada não demonstra que o sistema conseguirá prever uma resposta inédita, encontrar um novo composto eficaz ou superar métodos computacionais mais simples.

Até o momento, os relatos públicos não apresentaram as métricas quantitativas de precisão, análises estatísticas, comparações diretas com outros métodos nem a validação experimental prospectiva necessárias para sustentar afirmações mais fortes.

Quais células o sistema suporta?

A prévia atual do AIDO Cell oferece suporte a duas linhagens humanas imortalizadas:

• K562, usada no estudo de caso com imatinibe;
• HepG2.

A GenBio descreveu outros tipos celulares e capacidades como expansões planejadas para 2026 e 2027. Essa ampliação será importante porque resultados obtidos em um número reduzido de linhagens imortalizadas não podem ser automaticamente generalizados para células humanas primárias, tecidos ou pacientes.

Como o AIDO Cell pode ajudar na descoberta de medicamentos

O desenvolvimento de fármacos enfrenta uma taxa de desistência extrema: a regra de bolso frequentemente citada é que apenas cerca de um composto em 10 mil no início do funil chega à clínica. Um modelo de célula virtual confiável poderia permitir que pesquisadores explorassem muitas hipóteses antes de investir em cada experimento de laboratório.

Em princípio, o AIDO Cell poderia ajudar a comparar:

• compostos candidatos;
• alvos terapêuticos;
• combinações de medicamentos;
• sequências de tratamento;
• possíveis respostas de resistência;
• efeitos celulares fora do alvo.

O benefício mais plausível no curto prazo é a priorização de candidatos. O sistema pode ajudar a decidir quais compostos merecem testes mais caros, quais perturbações são mais promissoras e quais resultados indicam uma possível falha no desenho experimental. Como também considera o histórico da célula, pode sugerir estudos de acompanhamento mais informativos sobre o efeito de uma intervenção anterior.

Isso é uma função de filtragem e planejamento — não uma garantia clínica. Um modelo baseado em linhagens celulares não representa, sozinho, a farmacocinética do organismo, as interações com tecidos e o sistema imune, a diversidade entre pacientes, a toxicidade ou os desfechos clínicos.

Uma célula virtual não é um ser humano virtual completo. Respostas produzidas no computador não substituem estudos pré-clínicos, ensaios em pessoas ou as evidências exigidas por órgãos reguladores.

A principal limitação: a previsão ainda precisa enfrentar a biologia

O teste decisivo para o AIDO Cell será a validação prospectiva: o modelo consegue prever respostas que não foram usadas para construir a demonstração, e essas previsões se confirmam em experimentos controlados?

Enquanto essa evidência não estiver disponível, a descrição mais defensável é a de uma camada promissora para triagem virtual e planejamento experimental. A arquitetura multiescalar e com estado pode tornar as simulações mais realistas e úteis do que modelos restritos a uma molécula ou a dados transcriptômicos isolados. Mas a arquitetura, por si só, não comprova precisão preditiva.

A diferença entre reproduzir uma biologia conhecida e descobrir uma biologia nova de forma confiável continua sendo o principal obstáculo científico.

Acesso e situação atual

A GenBio AI está preparando um programa de colaboração com acesso antecipado para pesquisadores acadêmicos e profissionais dos setores de biotecnologia e farmacêutico.

Por enquanto, o AIDO Cell deve ser entendido como um sistema de pesquisa em estágio inicial: ambicioso, potencialmente útil para reduzir o espaço de busca experimental e ainda à espera de evidências prospectivas que justifiquem afirmações mais fortes sobre descoberta de medicamentos ou substituição de experimentos biológicos.

O sistema tem duas características centrais:

• Multiescalar: conecta informações genéticas, expressão de RNA, proteínas e fenótipos celulares. Assim, uma intervenção como um nocaute gênico ou a aplicação de um fármaco pode gerar efeitos propagados por toda a hierarquia modelada, em vez de aparecer apenas como uma mudança nos níveis de transcrição.
• Com estado: a célula simulada conserva os efeitos das intervenções anteriores. Isso permite representar sequências — por exemplo, um nocaute seguido de um medicamento ou tratamentos repetidos — nas quais a segunda resposta depende do estado deixado pela primeira.

É esse aspecto que sustenta a descrição de AIDO Cell como um “modelo de mundo” para a biologia: a ideia não é apenas classificar uma amostra estática, mas acompanhar como uma célula muda ao longo de uma série de intervenções.

Como ele se diferencia do AlphaFold

O AlphaFold ficou conhecido principalmente por prever a estrutura de proteínas individuais. O AIDO Cell mira uma pergunta mais ampla e sistêmica: como a maquinaria molecular de uma célula inteira se comporta e como uma alteração em uma camada biológica afeta as demais.

Isso não significa que o AIDO Cell substitua a previsão de estruturas feita pelo AlphaFold. São problemas diferentes. Em termos simples, o AlphaFold busca responder “como esta proteína pode ser?”; o AIDO Cell tenta explorar “o que acontece com o sistema celular quando seus componentes ou entradas são alterados?”

O modelo também amplia a base construída pelo trabalho anterior da GenBio com modelos fundacionais de célula única. A família AIDO.Cell foi treinada com cerca de 50 milhões de células humanas e reúne modelos de 3 milhões a 650 milhões de parâmetros, inicialmente voltados à representação do contexto transcriptômico. A nova direção de célula virtual procura levar essa base para uma simulação integrada entre diferentes escalas.

A estratégia de três etapas por trás do AIDO

O AIDO Cell é uma parte do programa mais amplo AI-Driven Digital Organism — ou AIDO, “organismo digital orientado por IA”. O roteiro da GenBio AI é dividido em três fases:

1. Dividir para conquistar: criar modelos fundacionais especializados para diferentes modalidades e escalas biológicas, como DNA, RNA, proteínas, células e tecidos.
2. Conectar os pontos: ligar esses modelos para que informações, representações e perturbações possam transitar entre as escalas biológicas.
3. Conquistar por meio de simulação e programação integradas: usar o sistema conectado para prever resultados biológicos e, no futuro, ajudar a projetar intervenções em sistemas biológicos. Essa é a visão de longo prazo do AIDO, não uma capacidade já comprovada pela prévia atual do AIDO Cell.

A GenBio já descreveu o AIDO como um sistema de modelos multiescalares que cobre tipos importantes de dados biológicos, incluindo DNA, RNA, proteínas e expressão de células individuais. O desafio, porém, não é apenas aumentar o tamanho dos modelos. É fazer com que representações biológicas diferentes funcionem juntas de maneira útil para intervenções semelhantes a causas e efeitos — e para previsões que possam ser testadas experimentalmente.

O que a demonstração com imatinibe mostrou

No primeiro estudo de caso, a GenBio informou que o AIDO Cell reproduziu os efeitos e o mecanismo já estabelecidos do imatinibe em células de leucemia da linhagem K562. A demonstração buscou mostrar como o modelo acompanha as consequências de um medicamento dentro do ambiente celular simulado.

O resultado é um sinal de prova de conceito, mas não equivale a uma validação prospectiva. Reproduzir uma biologia conhecida depois que ela já foi observada não demonstra que o sistema conseguirá prever uma resposta inédita, encontrar um novo composto eficaz ou superar métodos computacionais mais simples.

Até o momento, os relatos públicos não apresentaram as métricas quantitativas de precisão, análises estatísticas, comparações diretas com outros métodos nem a validação experimental prospectiva necessárias para sustentar afirmações mais fortes.

Quais células o sistema suporta?

A prévia atual do AIDO Cell oferece suporte a duas linhagens humanas imortalizadas:

• K562, usada no estudo de caso com imatinibe;
• HepG2.

A GenBio descreveu outros tipos celulares e capacidades como expansões planejadas para 2026 e 2027. Essa ampliação será importante porque resultados obtidos em um número reduzido de linhagens imortalizadas não podem ser automaticamente generalizados para células humanas primárias, tecidos ou pacientes.

Como o AIDO Cell pode ajudar na descoberta de medicamentos

O desenvolvimento de fármacos enfrenta uma taxa de desistência extrema: a regra de bolso frequentemente citada é que apenas cerca de um composto em 10 mil no início do funil chega à clínica. Um modelo de célula virtual confiável poderia permitir que pesquisadores explorassem muitas hipóteses antes de investir em cada experimento de laboratório.

Em princípio, o AIDO Cell poderia ajudar a comparar:

• compostos candidatos;
• alvos terapêuticos;
• combinações de medicamentos;
• sequências de tratamento;
• possíveis respostas de resistência;
• efeitos celulares fora do alvo.

O benefício mais plausível no curto prazo é a priorização de candidatos. O sistema pode ajudar a decidir quais compostos merecem testes mais caros, quais perturbações são mais promissoras e quais resultados indicam uma possível falha no desenho experimental. Como também considera o histórico da célula, pode sugerir estudos de acompanhamento mais informativos sobre o efeito de uma intervenção anterior.

Isso é uma função de filtragem e planejamento — não uma garantia clínica. Um modelo baseado em linhagens celulares não representa, sozinho, a farmacocinética do organismo, as interações com tecidos e o sistema imune, a diversidade entre pacientes, a toxicidade ou os desfechos clínicos.

Uma célula virtual não é um ser humano virtual completo. Respostas produzidas no computador não substituem estudos pré-clínicos, ensaios em pessoas ou as evidências exigidas por órgãos reguladores.

A principal limitação: a previsão ainda precisa enfrentar a biologia

O teste decisivo para o AIDO Cell será a validação prospectiva: o modelo consegue prever respostas que não foram usadas para construir a demonstração, e essas previsões se confirmam em experimentos controlados?

Enquanto essa evidência não estiver disponível, a descrição mais defensável é a de uma camada promissora para triagem virtual e planejamento experimental. A arquitetura multiescalar e com estado pode tornar as simulações mais realistas e úteis do que modelos restritos a uma molécula ou a dados transcriptômicos isolados. Mas a arquitetura, por si só, não comprova precisão preditiva.

A diferença entre reproduzir uma biologia conhecida e descobrir uma biologia nova de forma confiável continua sendo o principal obstáculo científico.

Acesso e situação atual

A GenBio AI está preparando um programa de colaboração com acesso antecipado para pesquisadores acadêmicos e profissionais dos setores de biotecnologia e farmacêutico.

Por enquanto, o AIDO Cell deve ser entendido como um sistema de pesquisa em estágio inicial: ambicioso, potencialmente útil para reduzir o espaço de busca experimental e ainda à espera de evidências prospectivas que justifiquem afirmações mais fortes sobre descoberta de medicamentos ou substituição de experimentos biológicos.