Архітектура проєкту: модульний стек фундаментальних моделей

AIDO — це не одна модель, а модульна, з'єднувана, цілісна система трансформерних фундаментальних моделей, кожна з яких спеціалізується на одному біологічному масштабі :

• AIDO.DNA — моделює геномну послідовність, закладаючи основу для розуміння генетичних варіацій та їхніх наслідків .
• AIDO.RNA — модель із 1,6 мільярда параметрів, попередньо навчена на 42 мільйонах некодуючих РНК-послідовностей з роздільною здатністю до одного нуклеотиду .
• AIDO.Protein — вивчає послідовність, структуру та функцію білків .
• AIDO.Cell — серія щільних трансформерів (encoder-only) з кількістю параметрів до 650 мільйонів, попередньо навчена на 50 мільйонах клітин людини з різних тканин і охоплює приблизно 20 000 генів на клітину .
• AIDO.Tissue — моделює поведінку тканин та клітинні взаємодії .
• AIDO.Biology — загальний шар «світової моделі», який інтегрує дані з усіх нижчих рівнів для симуляції результатів на рівні організму .

Ключове архітектурне рішення полягає в тому, що ці модулі є з'єднуваними — тому один вплив, наприклад, нова молекула ліків або генетична модифікація, може бути логічно простежений через усі масштаби: від молекулярної взаємодії через клітинну відповідь і тканинний ефект аж до прогнозованого результату для здоров'я .

Мета: багатомасштабний симулятор і «світова модель» біології

Центральна амбіція — створити обчислювальну «світову модель» біології, здатну симулювати, як зміна на рівні ДНК поширюється через білки, клітини, тканини та фенотипи цілого організму . Це дозволило б дослідникам:

• Симулювати хвороби та складні біологічні процеси обчислювально, минаючи роки лабораторних експериментів .
• Прогнозувати ефекти та токсичність ліків ще до проведення жодного «мокрого» експерименту, що кардинально скоротить кількість кандидатів, які потребують фізичного тестування .
• Швидко тестувати мільйони in silico втручань, звужуючи коло кандидатів для експериментальної перевірки лише до найперспективніших .

Проєкт порівнюють зі створенням «тренажера польотів» для медицини, де вчені зможуть експериментувати віртуально, перш ніж переходити до реальних дослідів .

Порівняння з іншими проєктами віртуальних клітин

Концепція віртуальної клітини на основі штучного інтелекту не є унікальною для команди AIDO. Chan Zuckerberg BioHub (CZI) спільно зі Стенфордом і Genentech опублікували паралельну статтю-перспективу в Nature (грудень 2024) про AI Virtual Cells (AIVCs) — багатомасштабні, мультимодальні моделі на основі великих нейронних мереж, призначені для представлення молекул, клітин і тканин . CZI також провів семінар, присвячений віртуальним клітинам, який виявив багато тих самих вузьких місць, зокрема неоднорідність даних, шум, проблеми відтворюваності та потребу в кращих мультимодальних бенчмарках .

Ключові відмінності між двома флагманськими проєктами:

Попри відмінності в охопленні та стадії, обидва проєкти стикаються з однією фундаментальною проблемою: інтеграцією дуже різнорідних оміксних даних — одноклітинного секвенування РНК, протеоміки, епігеноміки, метаболоміки — в єдині, узгоджені моделі .

Визнані обмеження

У статті AIDO та пов'язаних публікаціях визнається кілька значних обмежень, які стримують початковий ентузіазм :

• Упереджені та неповні тренувальні дані: Сучасні біологічні набори даних сильно зміщені в бік добре вивчених клітинних ліній, поширених захворювань та популяцій європейського походження. Це може викривляти прогнози моделей і потенційно поглиблювати демографічну нерівність у сфері охорони здоров'я .
• Варіативність пацієнтів: Людська біологічна різноманітність за генетичним фоном, віком і станом здоров'я є величезною і погано охоплюється існуючими навчальними когортами. Автори прямо зазначають, що моделі можуть не спрацьовувати при застосуванні до недостатньо представлених популяцій .
• Інтеграція різнорідних даних: Об'єднання даних різних модальностей — від транскриптоміки до протеоміки, зображень і клінічних записів — залишається технічно складним через відмінності в масштабах, вимірювальний шум і різні патерни відсутніх даних .
• Відсутність стандартизованих бенчмарків: Без систем оцінювання, що охоплюють різні домени, важко об'єктивно порівнювати моделі різних груп або оцінювати їхню стійкість у реальних умовах .

Застосування: фільтрація кандидатів на ліки та реагування на спалахи

Два застосування висвітлюються як найближчі цілі AIDO :

• Фільтрація кандидатів на ліки: AIDO міг би симулювати мільйони сполук in silico, прогнозуючи їхнє молекулярне зв'язування, клітинну відповідь, токсичність на рівні тканин та ефективність на рівні організму ще до початку лабораторних робіт. Це кардинально звузило б коло кандидатів, що потребують експериментальної перевірки, зменшивши як витрати, так і частку невдач на доклінічному етапі .

• Прискорення реагування на спалахи інфекційних хвороб: Оскільки система є модульною і навчена на фундаментальних біологічних патернах (а не лише на одному збуднику), її можна швидко адаптувати для моделювання нового вірусу чи бактеріальної загрози. Дослідники змогли б симулювати динаміку інфекції, тестувати бібліотеки існуючих ліків на предмет їхнього перепрофілювання та прогнозувати імунні відповіді у віртуальному організмі за лічені дні або тижні замість місяців .

Архітектура проєкту: модульний стек фундаментальних моделей

AIDO — це не одна модель, а модульна, з'єднувана, цілісна система трансформерних фундаментальних моделей, кожна з яких спеціалізується на одному біологічному масштабі :

• AIDO.DNA — моделює геномну послідовність, закладаючи основу для розуміння генетичних варіацій та їхніх наслідків .
• AIDO.RNA — модель із 1,6 мільярда параметрів, попередньо навчена на 42 мільйонах некодуючих РНК-послідовностей з роздільною здатністю до одного нуклеотиду .
• AIDO.Protein — вивчає послідовність, структуру та функцію білків .
• AIDO.Cell — серія щільних трансформерів (encoder-only) з кількістю параметрів до 650 мільйонів, попередньо навчена на 50 мільйонах клітин людини з різних тканин і охоплює приблизно 20 000 генів на клітину .
• AIDO.Tissue — моделює поведінку тканин та клітинні взаємодії .
• AIDO.Biology — загальний шар «світової моделі», який інтегрує дані з усіх нижчих рівнів для симуляції результатів на рівні організму .

Ключове архітектурне рішення полягає в тому, що ці модулі є з'єднуваними — тому один вплив, наприклад, нова молекула ліків або генетична модифікація, може бути логічно простежений через усі масштаби: від молекулярної взаємодії через клітинну відповідь і тканинний ефект аж до прогнозованого результату для здоров'я .

Мета: багатомасштабний симулятор і «світова модель» біології

Центральна амбіція — створити обчислювальну «світову модель» біології, здатну симулювати, як зміна на рівні ДНК поширюється через білки, клітини, тканини та фенотипи цілого організму . Це дозволило б дослідникам:

• Симулювати хвороби та складні біологічні процеси обчислювально, минаючи роки лабораторних експериментів .
• Прогнозувати ефекти та токсичність ліків ще до проведення жодного «мокрого» експерименту, що кардинально скоротить кількість кандидатів, які потребують фізичного тестування .
• Швидко тестувати мільйони in silico втручань, звужуючи коло кандидатів для експериментальної перевірки лише до найперспективніших .

Проєкт порівнюють зі створенням «тренажера польотів» для медицини, де вчені зможуть експериментувати віртуально, перш ніж переходити до реальних дослідів .

Порівняння з іншими проєктами віртуальних клітин

Концепція віртуальної клітини на основі штучного інтелекту не є унікальною для команди AIDO. Chan Zuckerberg BioHub (CZI) спільно зі Стенфордом і Genentech опублікували паралельну статтю-перспективу в Nature (грудень 2024) про AI Virtual Cells (AIVCs) — багатомасштабні, мультимодальні моделі на основі великих нейронних мереж, призначені для представлення молекул, клітин і тканин . CZI також провів семінар, присвячений віртуальним клітинам, який виявив багато тих самих вузьких місць, зокрема неоднорідність даних, шум, проблеми відтворюваності та потребу в кращих мультимодальних бенчмарках .

Ключові відмінності між двома флагманськими проєктами:

Попри відмінності в охопленні та стадії, обидва проєкти стикаються з однією фундаментальною проблемою: інтеграцією дуже різнорідних оміксних даних — одноклітинного секвенування РНК, протеоміки, епігеноміки, метаболоміки — в єдині, узгоджені моделі .

Визнані обмеження

У статті AIDO та пов'язаних публікаціях визнається кілька значних обмежень, які стримують початковий ентузіазм :

• Упереджені та неповні тренувальні дані: Сучасні біологічні набори даних сильно зміщені в бік добре вивчених клітинних ліній, поширених захворювань та популяцій європейського походження. Це може викривляти прогнози моделей і потенційно поглиблювати демографічну нерівність у сфері охорони здоров'я .
• Варіативність пацієнтів: Людська біологічна різноманітність за генетичним фоном, віком і станом здоров'я є величезною і погано охоплюється існуючими навчальними когортами. Автори прямо зазначають, що моделі можуть не спрацьовувати при застосуванні до недостатньо представлених популяцій .
• Інтеграція різнорідних даних: Об'єднання даних різних модальностей — від транскриптоміки до протеоміки, зображень і клінічних записів — залишається технічно складним через відмінності в масштабах, вимірювальний шум і різні патерни відсутніх даних .
• Відсутність стандартизованих бенчмарків: Без систем оцінювання, що охоплюють різні домени, важко об'єктивно порівнювати моделі різних груп або оцінювати їхню стійкість у реальних умовах .

Застосування: фільтрація кандидатів на ліки та реагування на спалахи

Два застосування висвітлюються як найближчі цілі AIDO :

• Фільтрація кандидатів на ліки: AIDO міг би симулювати мільйони сполук in silico, прогнозуючи їхнє молекулярне зв'язування, клітинну відповідь, токсичність на рівні тканин та ефективність на рівні організму ще до початку лабораторних робіт. Це кардинально звузило б коло кандидатів, що потребують експериментальної перевірки, зменшивши як витрати, так і частку невдач на доклінічному етапі .

• Прискорення реагування на спалахи інфекційних хвороб: Оскільки система є модульною і навчена на фундаментальних біологічних патернах (а не лише на одному збуднику), її можна швидко адаптувати для моделювання нового вірусу чи бактеріальної загрози. Дослідники змогли б симулювати динаміку інфекції, тестувати бібліотеки існуючих ліків на предмет їхнього перепрофілювання та прогнозувати імунні відповіді у віртуальному організмі за лічені дні або тижні замість місяців .