Forskare presenterar ritningen för en AI-driven digital organism – ett ”flygsimulator” för medicin

En ny artikel i den ansedda tidskriften Nature Medicine – "How to build an AI-driven digital organism" – författad av Eric Xing, Eran Segal, Le Song och kollegor – presenterar en detaljerad plan för vad som kallas en AI-Driven Digital Organism (AIDO) . Visionen är ett system av integrerade, flerskaliga grundmodeller (foundation models) som är designade för att förutsäga, simulera och programmera biologi – från enskilda molekyler hela vägen upp till celler, vävnader och hela organismer . Målet är inget mindre än att förflytta biologisk och medicinsk vetenskap från långsamma, dyra och ad hoc-styrda laboratorieexperiment till effektiv, strukturerad navigation i en inlärd "världsmodell" av biologi . Fas 1 av AIDO släpptes av GenBio AI redan i december 2024 , men artikelförfattarna är också öppna med de stora utmaningar som återstår, inklusive snedvriden träningsdata och den enorma svårigheten att integrera heterogena biologiska dataset .

Modulär arkitektur: En stapel av grundmodeller

AIDO är inte en enda modell, utan ett modulärt, sammankopplingsbart och holistiskt system av transformer-baserade grundmodeller, där varje modell är specialiserad på en specifik biologisk skala :

• AIDO.DNA – modellerar genomets sekvens och lägger grunden för att förstå genetisk variation och dess effekter .
• AIDO.RNA – en modell med 1,6 miljarder parametrar, förtränad på 42 miljoner icke-kodande RNA-sekvenser med upplösning på enskilda nukleotider .
• AIDO.Protein – lär sig proteiners sekvens, struktur och funktion .
• AIDO.Cell – en serie täta transformermodeller med upp till 650 miljoner parametrar, förtränad på 50 miljoner mänskliga celler från olika vävnader, som täcker cirka 20 000 gener per cell .
• AIDO.Tissue – modellerar beteende på vävnadsnivå och cellulära interaktioner .
• AIDO.Biology – ett övergripande "världsmodell"-lager som integrerar alla lägre skalor för att simulera utfall på organismnivå .

Den kritiska designprincipen är att dessa moduler är sammankopplingsbara – så att en enskild förändring, som en ny läkemedelsmolekyl eller en genetisk redigering, logiskt kan spåras över skalor: från molekylär interaktion via cellulärt svar och vävnadseffekt, hela vägen till ett förutsagt hälsoresultat .

Mål: En flerskalig simulator och världsmodell över biologi

Den centrala ambitionen är att skapa en "världsmodell" av biologi som kan simulera hur en förändring på DNA-nivå fortplantar sig genom proteiner, celler, vävnader och vidare till fenotypen på organismnivå . Detta skulle göra det möjligt för forskare att:

• Simulera sjukdomar och komplexa biologiska processer i datorn och därmed hoppa över åratal av våtlabbexperiment .
• Förutsäga läkemedelseffekter och toxicitet redan innan ett enda labbexperiment utförs, vilket dramatiskt skulle minska antalet kandidater som måste testas fysiskt .
• Testa miljontals in silico-förändringar, för att sedan bara behöva validera de mest lovande kandidaterna experimentellt .

Projektet har beskrivits som att bygga en "flygsimulator" för medicin – forskare kan experimentera virtuellt innan de går vidare till verkliga försök .

Jämförelse med andra virtuella cellprojekt

Konceptet med en AI-driven virtuell cell är inte unikt för AIDO-teamet. Chan Zuckerberg BioHub (CZI), i samarbete med Stanford och Genentech, publicerade en samtida artikel i Nature (december 2024) om AI Virtual Cells (AIVC) – flerskaliga, multimodala neurala nätverksmodeller designade för att representera molekyler, celler och vävnader . CZI har också hållit en workshop om virtuella celler som identifierade många av samma flaskhalsar, inklusive dataheterogenitet, brus, reproducerbarhetsproblem och behovet av bättre standardiserade testmetoder .

De viktigaste skillnaderna:

Dimension	AIDO (GenBio AI / CMU)	AIVC (CZI / Stanford / Genentech)
Omfattning	Hela organismen (DNA → celler → organism)	Främst cell- och vävnadsnivå
Underliggande koncept	"Världsmodell" av biologi, modulär men sammankopplingsbar	Stort neuralt nätverk för cellulära tillstånd
Organisatorisk ledare	GenBio AI (Eric Xing, Le Song, Eran Segal)	Chan Zuckerberg BioHub (T. Karaletsos, S. Quake, J. Leskovec, A. Regev)
Utvecklingsstadium	Fas 1 släppt dec 2024 med 6 förtränade modeller	Fortfarande i visions-/designfas med workshops

Trots skillnader i omfattning och stadium delar båda projekten samma grundläggande utmaning: att integrera mycket heterogena omik-data – enkelcells-RNA-sekvensering, proteomik, epigenomik, metabolomik – i enhetliga, sammanhängande modeller .

Medvetna begränsningar och utmaningar

Artikeln och rapporteringen kring den pekar på flera betydande begränsningar som dämpar den initiala entusiasmen :

• Snedvriden och ofullständig träningsdata: Nuvarande biologiska dataset är kraftigt snedfördelade mot välanvända cellinjer, vanliga sjukdomar och populationer av europeisk härkomst. Detta kan snedvrida modellens förutsägelser och potentiellt förvärra demografiska ojämlikheter inom vården .
• Patientvariation: Mänsklig biologisk mångfald – över genetisk bakgrund, åldrar och hälsotillstånd – är enorm och dåligt fångad av befintliga träningskohorter. Författarna noterar uttryckligen att modeller kan misslyckas med att generalisera när de tillämpas på underrepresenterade populationer .
• Integrering av heterogen data: Att smälta samman data från olika modaliteter – från transkriptomik till proteomik, bilddata och kliniska journaler – är tekniskt svårt på grund av skillnader i skala, mätbrus och ofullständiga datamönster .
• Brist på standardiserade referensdata: Utan utvärderingsramverk som fungerar över domäner är det svårt att objektivt jämföra modeller från olika grupper eller bedöma deras verkliga robusthet .

Tillämpningar: Sållning av läkemedelskandidater och snabb respons vid utbrott

Två tillämpningar lyfts fram som de mest omedelbara målen för AIDO :

• Sållning av läkemedelskandidater: AIDO skulle kunna simulera miljontals föreningar in silico, och förutsäga deras molekylära bindning, cellulära respons, toxicitet på vävnadsnivå och effektivitet på organismnivå – allt innan ett enda labbexperiment. Detta skulle dramatiskt minska antalet kandidater som kräver experimentell testning, vilket sänker både kostnader och misslyckandefrekvenser i preklinisk utveckling .

• Påskynda respons vid infektionsutbrott: Eftersom systemet är modulärt och tränat på grundläggande biologiska mönster (snarare än bara en enskild patogen) skulle det snabbt kunna anpassas för att modellera ett nytt virus eller en ny bakterie. Forskare skulle kunna simulera infektionsdynamik, testa bibliotek av befintliga läkemedel för återanvändning och förutsäga immunsvar över den virtuella organismen på dagar eller veckor istället för månader .