У системы две ключевые особенности.

• Многоуровневость. AIDO Cell связывает генетическую информацию, экспрессию РНК, белки и клеточный фенотип. Поэтому вмешательство — например, нокаут гена или воздействие препарата — должно отражаться не только в одном показателе экспрессии, но и распространяться по смоделированной биологической иерархии.
• Состояние с памятью о прошлых вмешательствах. Виртуальная клетка сохраняет последствия предыдущих изменений. Это позволяет моделировать последовательные сценарии: например, сначала нокаутировать ген, а затем добавить препарат, или провести несколько воздействий подряд. В таком случае второй ответ зависит от состояния, сформированного первым вмешательством.

Именно это подразумевается под «мировой моделью» клетки: AIDO Cell должна описывать не статичный биологический образец, а меняющееся состояние клетки и её реакции на цепочку воздействий.

Чем AIDO Cell отличается от AlphaFold

AlphaFold прежде всего известен как система для предсказания структуры отдельного белка. AIDO Cell ставит более широкий, системный вопрос: как ведёт себя молекулярный аппарат целой клетки и как изменение на одном биологическом уровне влияет на другие уровни.

Речь не о том, что AIDO Cell заменяет предсказание структуры белков. Инструменты отвечают на разные вопросы. AlphaFold помогает понять, как может выглядеть конкретный белок; AIDO Cell пытается исследовать, что произойдёт со всей клеточной системой, если изменить её молекулярные компоненты или внешние воздействия.

Новая виртуальная клетка также опирается на более раннюю работу GenBio с фундаментальными моделями одиночных клеток. Семейство AIDO.Cell обучалось примерно на 50 миллионах человеческих клеток и включает модели размером от 3 до 650 миллионов параметров. Изначально они были ориентированы главным образом на представление транскриптомного контекста. Новое направление расширяет эту основу до интегрированного моделирования между биологическими уровнями.

Три этапа стратегии AIDO

AIDO Cell — лишь один из этапов более масштабной программы GenBio AI под названием AI-Driven Digital Organism, или AIDO — «цифровой организм на основе ИИ». Её дорожная карта состоит из трёх шагов:

1. «Разделяй и властвуй». Создать специализированные фундаментальные модели для отдельных типов биологических данных и уровней — ДНК, РНК, белков, клеток и тканей.
2. «Соединить точки». Связать эти модели так, чтобы информация, представления и результаты вмешательств могли передаваться между биологическими масштабами.
3. Интегрированное моделирование и программирование. Использовать объединённую систему для прогнозирования биологических исходов и в перспективе — для разработки вмешательств в биологические системы. Это долгосрочное видение AIDO, а не подтверждённая возможность нынешней предварительной версии AIDO Cell.

Ранее GenBio описывала AIDO как систему многоуровневых моделей, охватывающих ключевые типы биологических данных, включая ДНК, РНК, белки и экспрессию в одиночных клетках. Главная сложность здесь не только в увеличении размера моделей, а в том, чтобы разные биологические представления действительно работали вместе и позволяли формировать проверяемые экспериментом прогнозы о последствиях вмешательств.

Что показала демонстрация с иматинибом

В первом опубликованном примере GenBio заявила, что AIDO Cell воспроизвела известные эффекты и механизм действия иматиниба в лейкозных клетках линии K562. Демонстрация должна была показать, как модель прослеживает последствия действия препарата внутри смоделированной клеточной среды.

Это важное доказательство реализуемости концепции, но не проспективная проверка. Воспроизведение известной биологии постфактум ещё не доказывает, что модель способна предсказать ответ на ранее не изучавшийся препарат, найти успешное новое соединение или превзойти более простые вычислительные методы. В публичных материалах не были раскрыты количественные метрики точности, статистический анализ, прямые сравнения с альтернативными подходами и экспериментальная проверка новых прогнозов.

Какие клетки поддерживаются сейчас

Предварительная версия AIDO Cell поддерживает две иммортализованные человеческие клеточные линии:

• K562 — её использовали в опубликованном примере с иматинибом;
• HepG2.

GenBio описала дополнительные типы клеток и возможности как направления расширения на 2026–2027 годы. Это существенно: результаты, полученные на небольшом числе иммортализованных линий, нельзя автоматически переносить на первичные клетки человека, ткани или пациентов.

Как виртуальная клетка может помочь в разработке лекарств

Виртуальная клетка потенциально способна сделать ранние этапы разработки препаратов эффективнее: исследователи смогут проверять больше гипотез до того, как направят каждую из них в дорогостоящий лабораторный эксперимент. В теории AIDO Cell позволит сравнивать соединения, мишени, комбинации и последовательности лечения, а также искать клеточные признаки эффективности, устойчивости или возможных побочных эффектов.

Наиболее реалистичная ближайшая роль системы — приоритизация кандидатов. Она может помочь решить, какие соединения заслуживают дальнейшего изучения, какие вмешательства стоит проверить в лаборатории и какие результаты указывают на слабое место экспериментального дизайна. Анализ последовательных воздействий также может сделать последующие исследования более информативными.

Но это инструмент фильтрации и планирования, а не гарантия клинического результата. Модель клеточной линии сама по себе не описывает фармакокинетику на уровне организма, взаимодействия иммунной системы и тканей, индивидуальные различия пациентов, токсичность или клинические исходы. Виртуальная клетка — не полноценный виртуальный человек, а компьютерный ответ не может заменить исследования на животных, клинические испытания и регуляторные доказательства.

Главный вопрос: выдержит ли прогноз проверку биологией

Решающим испытанием для AIDO Cell станет проспективная валидация: сможет ли система предсказывать ответы, которые не использовались при подготовке демонстрации, и подтвердятся ли эти прогнозы в контролируемых экспериментах?

Пока таких данных нет, наиболее точное описание AIDO Cell — перспективный слой для виртуального скрининга и планирования экспериментов. Многоуровневая архитектура с учётом истории вмешательств может сделать симуляции реалистичнее и полезнее, чем изолированные молекулярные или транскриптомные модели. Но сама архитектура не доказывает прогностическую точность. Разрыв между воспроизведением известной биологии и надёжным открытием новой остаётся главным научным барьером.

Доступ и текущий статус

GenBio AI готовит программу раннего доступа для академических исследователей, биотехнологических компаний и фармацевтических разработчиков.

На данном этапе AIDO Cell разумнее воспринимать как раннюю исследовательскую систему: амбициозную по замыслу, потенциально полезную для сокращения числа лабораторных проверок и пока не располагающую проспективными доказательствами, которые позволили бы говорить о замене традиционных методов биологии или о готовом инструменте для открытия лекарств.

У системы две ключевые особенности.

• Многоуровневость. AIDO Cell связывает генетическую информацию, экспрессию РНК, белки и клеточный фенотип. Поэтому вмешательство — например, нокаут гена или воздействие препарата — должно отражаться не только в одном показателе экспрессии, но и распространяться по смоделированной биологической иерархии.
• Состояние с памятью о прошлых вмешательствах. Виртуальная клетка сохраняет последствия предыдущих изменений. Это позволяет моделировать последовательные сценарии: например, сначала нокаутировать ген, а затем добавить препарат, или провести несколько воздействий подряд. В таком случае второй ответ зависит от состояния, сформированного первым вмешательством.

Именно это подразумевается под «мировой моделью» клетки: AIDO Cell должна описывать не статичный биологический образец, а меняющееся состояние клетки и её реакции на цепочку воздействий.

Чем AIDO Cell отличается от AlphaFold

AlphaFold прежде всего известен как система для предсказания структуры отдельного белка. AIDO Cell ставит более широкий, системный вопрос: как ведёт себя молекулярный аппарат целой клетки и как изменение на одном биологическом уровне влияет на другие уровни.

Речь не о том, что AIDO Cell заменяет предсказание структуры белков. Инструменты отвечают на разные вопросы. AlphaFold помогает понять, как может выглядеть конкретный белок; AIDO Cell пытается исследовать, что произойдёт со всей клеточной системой, если изменить её молекулярные компоненты или внешние воздействия.

Новая виртуальная клетка также опирается на более раннюю работу GenBio с фундаментальными моделями одиночных клеток. Семейство AIDO.Cell обучалось примерно на 50 миллионах человеческих клеток и включает модели размером от 3 до 650 миллионов параметров. Изначально они были ориентированы главным образом на представление транскриптомного контекста. Новое направление расширяет эту основу до интегрированного моделирования между биологическими уровнями.

Три этапа стратегии AIDO

AIDO Cell — лишь один из этапов более масштабной программы GenBio AI под названием AI-Driven Digital Organism, или AIDO — «цифровой организм на основе ИИ». Её дорожная карта состоит из трёх шагов:

1. «Разделяй и властвуй». Создать специализированные фундаментальные модели для отдельных типов биологических данных и уровней — ДНК, РНК, белков, клеток и тканей.
2. «Соединить точки». Связать эти модели так, чтобы информация, представления и результаты вмешательств могли передаваться между биологическими масштабами.
3. Интегрированное моделирование и программирование. Использовать объединённую систему для прогнозирования биологических исходов и в перспективе — для разработки вмешательств в биологические системы. Это долгосрочное видение AIDO, а не подтверждённая возможность нынешней предварительной версии AIDO Cell.

Ранее GenBio описывала AIDO как систему многоуровневых моделей, охватывающих ключевые типы биологических данных, включая ДНК, РНК, белки и экспрессию в одиночных клетках. Главная сложность здесь не только в увеличении размера моделей, а в том, чтобы разные биологические представления действительно работали вместе и позволяли формировать проверяемые экспериментом прогнозы о последствиях вмешательств.

Что показала демонстрация с иматинибом

В первом опубликованном примере GenBio заявила, что AIDO Cell воспроизвела известные эффекты и механизм действия иматиниба в лейкозных клетках линии K562. Демонстрация должна была показать, как модель прослеживает последствия действия препарата внутри смоделированной клеточной среды.

Это важное доказательство реализуемости концепции, но не проспективная проверка. Воспроизведение известной биологии постфактум ещё не доказывает, что модель способна предсказать ответ на ранее не изучавшийся препарат, найти успешное новое соединение или превзойти более простые вычислительные методы. В публичных материалах не были раскрыты количественные метрики точности, статистический анализ, прямые сравнения с альтернативными подходами и экспериментальная проверка новых прогнозов.

Какие клетки поддерживаются сейчас

Предварительная версия AIDO Cell поддерживает две иммортализованные человеческие клеточные линии:

• K562 — её использовали в опубликованном примере с иматинибом;
• HepG2.

GenBio описала дополнительные типы клеток и возможности как направления расширения на 2026–2027 годы. Это существенно: результаты, полученные на небольшом числе иммортализованных линий, нельзя автоматически переносить на первичные клетки человека, ткани или пациентов.

Как виртуальная клетка может помочь в разработке лекарств

Виртуальная клетка потенциально способна сделать ранние этапы разработки препаратов эффективнее: исследователи смогут проверять больше гипотез до того, как направят каждую из них в дорогостоящий лабораторный эксперимент. В теории AIDO Cell позволит сравнивать соединения, мишени, комбинации и последовательности лечения, а также искать клеточные признаки эффективности, устойчивости или возможных побочных эффектов.

Наиболее реалистичная ближайшая роль системы — приоритизация кандидатов. Она может помочь решить, какие соединения заслуживают дальнейшего изучения, какие вмешательства стоит проверить в лаборатории и какие результаты указывают на слабое место экспериментального дизайна. Анализ последовательных воздействий также может сделать последующие исследования более информативными.

Но это инструмент фильтрации и планирования, а не гарантия клинического результата. Модель клеточной линии сама по себе не описывает фармакокинетику на уровне организма, взаимодействия иммунной системы и тканей, индивидуальные различия пациентов, токсичность или клинические исходы. Виртуальная клетка — не полноценный виртуальный человек, а компьютерный ответ не может заменить исследования на животных, клинические испытания и регуляторные доказательства.

Главный вопрос: выдержит ли прогноз проверку биологией

Решающим испытанием для AIDO Cell станет проспективная валидация: сможет ли система предсказывать ответы, которые не использовались при подготовке демонстрации, и подтвердятся ли эти прогнозы в контролируемых экспериментах?

Пока таких данных нет, наиболее точное описание AIDO Cell — перспективный слой для виртуального скрининга и планирования экспериментов. Многоуровневая архитектура с учётом истории вмешательств может сделать симуляции реалистичнее и полезнее, чем изолированные молекулярные или транскриптомные модели. Но сама архитектура не доказывает прогностическую точность. Разрыв между воспроизведением известной биологии и надёжным открытием новой остаётся главным научным барьером.

Доступ и текущий статус

GenBio AI готовит программу раннего доступа для академических исследователей, биотехнологических компаний и фармацевтических разработчиков.

На данном этапе AIDO Cell разумнее воспринимать как раннюю исследовательскую систему: амбициозную по замыслу, потенциально полезную для сокращения числа лабораторных проверок и пока не располагающую проспективными доказательствами, которые позволили бы говорить о замене традиционных методов биологии или о готовом инструменте для открытия лекарств.