AI數碼生物體藍圖曝光：從DNA到健康結果，模擬整個生命過程

一篇發表喺《自然醫學》（Nature Medicine）嘅新論文——〈如何建立AI驅動嘅數碼生物體〉（How to build an AI-driven digital organism）——由Eric Xing、Eran Segal、Le Song等學者共同撰寫，提出咗一個名為AI驅動數碼生物體（AI-Driven Digital Organism，簡稱AIDO）嘅詳細藍圖。呢個系統嘅核心目標係用整合嘅多尺度基礎模型，去預測、模擬同編程生物學——由單一粒分子開始，到細胞、組織，以至成個生物體。研究團隊希望將生物同醫學發現，由傳統嗰種慢吞吞、成本高、靠試錯嘅實驗模式，轉變為一種有效率、有結構嘅電腦模擬模式（即喺學返嚟嘅生物學「世界模型」入面進行導航）。GenBio AI喺2024年12月已經發布咗AIDO嘅第一階段，但論文同時坦承存在唔少重大挑戰，包括帶有偏差嘅訓練數據，同埋整合五花八門生物數據集嘅難度。

藍圖同架構：模塊化嘅基礎模型堆疊

AIDO唔係單一模型，而係一個模塊化、可連接、整體性嘅系統，由多個基於Transformer架構嘅基礎模型組成，每個模型專注一個特定嘅生物尺度：

• AIDO.DNA —— 用嚟建模基因組序列，為理解基因變異同其下游效應打好基礎。
• AIDO.RNA —— 一個有16億參數嘅模型，用4,200萬條非編碼RNA序列進行預訓練，達到單核苷酸級別嘅解像度。
• AIDO.Protein —— 學習蛋白質嘅序列、結構同功能。
• AIDO.Cell —— 一系列只有編碼器（encoder-only）嘅密集Transformer模型，最大嘅有6.5億參數，用5,000萬個人類細胞做預訓練，涵蓋唔同組織，每個細胞大約覆蓋20,000個基因。
• AIDO.Tissue —— 用嚟建模組織層面嘅行為同細胞之間嘅互動。
• AIDO.Biology —— 最頂層嘅「世界模型」層，負責整合晒所有低層級嘅模型，用嚟模擬成個生物體級別嘅結果。

成個系統最關鍵嘅設計係呢啲模塊可以互相連接——所以簡單一個擾動，例如一隻新藥分子或者一個基因編輯，都可以按邏輯由一個尺度跟踪到另一個：由分子層面嘅互動，到細胞點樣回應，再到組織嘅效應，最終預測到對健康嘅影響。

目標：一個多尺度模擬器同生物學「世界模型」

呢個計劃嘅終極目標係建立一個運算上嘅生物學**「世界模型」**，可以模擬到一個變化點樣由DNA層面一路傳遞落去——經過蛋白質、細胞、組織，最終影響到成個生物體嘅表現型（phenotype）。呢樣嘢可以畀研究人員做到：

• 用電腦模擬疾病同複雜嘅生物過程，唔使再做幾年嘅濕實驗（wet-lab）。
• 喺做任何濕實驗之前就預測到藥物嘅效果同毒性，大幅減少需要實際測試嘅候選藥物數量。
• 快速測試數百萬次電腦模擬擾動，將要驗證嘅候選範圍收窄到最有潛力嘅嗰啲。

呢個計劃嘅描述就好似幫醫學整一個「飛行模擬器」，科學家可以喺投入真實實驗之前，先虛擬地做唔同實驗。

同其他虛擬細胞計劃嘅比較

AI驅動虛擬細胞呢個概念並唔係AIDO團隊獨有。陳扎克伯格生物中心（Chan Zuckerberg BioHub，簡稱CZI）聯同史丹福大學同基因泰克（Genentech），喺2024年12月同期喺《自然》雜誌發表咗一篇關於**AI虛擬細胞（AI Virtual Cells，AIVCs）**嘅觀點文章——呢啲係多尺度、多模態嘅大型神經網絡模型，用嚟代表分子、細胞同組織。CZI仲舉辦咗一個虛擬細胞工作坊，點出咗好多相同嘅樽頸位，包括數據嘅異質性、雜訊、可重複性問題，同埋需要更好嘅多模態基準測試。

兩個旗艦項目嘅主要分別：

維度	AIDO（GenBio AI / 卡內基美隆大學）	AIVC（CZI / 史丹福大學 / 基因泰克）
範圍	完整生物體（DNA → 細胞 → 生物體）	主要係細胞同組織層面
背後概念	生物學「世界模型」，模塊化但可連接	用嚟表示細胞狀態嘅大型神經網絡
主導機構	GenBio AI（Eric Xing、Le Song、Eran Segal）	陳扎克伯格生物中心（T. Karaletsos、S. Quake、J. Leskovec、A. Regev）
發展階段	2024年12月發布第一階段，包括6個預訓練模型	仍處於願景/設計階段，有舉辦工作坊

雖然範圍同階段唔同，但兩個項目都面對同一個根本挑戰：要將極之異質嘅組學數據——例如單細胞RNA測序、蛋白質組學、表觀基因組學、代謝組學——整合成統一、連貫嘅模型。

承認嘅限制

AIDO論文同相關報導都指出咗幾個重大限制，為起初嘅興奮降咗溫：

• 帶有偏差同唔完整嘅訓練數據：而家嘅生物數據集嚴重傾向於研究得比較透徹嘅細胞系、常見疾病同歐洲血統嘅人群。呢個偏差會影響模型嘅預測，甚至可能加劇醫療保健入面嘅人口不平等問題。
• 病人差異：人類生物多樣性——包括唔同嘅基因背景、年齡同健康狀況——非常廣闊，而現有嘅訓練群體未能好好捕捉到呢啲差異。作者明確指出，模型應用喺代表性不足嘅人群時，可能會出現泛化失敗嘅情況。
• 異質數據整合：將唔同模態嘅數據融合埋一齊——由轉錄組學到蛋白質組學，再到醫學影像同臨床記錄——由於尺度唔同、測量雜訊同數據缺失模式各異，技術上仍然相當困難。
• 缺乏標準化基準測試：冇一個跨領域嘅評估框架，好難客觀噉比較唔同團隊嘅模型，或者評估佢哋喺真實世界嘅穩健性。

應用：藥物篩選同爆發應對

論文最突出咗兩個短期目標應用：

• 藥物篩選：AIDO可以喺電腦入面模擬數百萬種化合物，預測佢哋嘅分子結合能力、細胞嘅反應、組織層面嘅毒性，以至成個生物體嘅功效——完全唔使做任何濕實驗。咁樣可以大幅收窄需要實際測試嘅候選藥物數量，減低臨床前開發嘅成本同失敗率。

• 加速應對傳染病爆發：由於呢個系統係模塊化，而且係用基礎生物模式（而唔係單一病原體）嚟訓練，所以可以快速調整去模擬一種新型病毒或者細菌威脅。研究人員可以喺幾日或者幾星期內（而唔係幾個月），模擬感染動態、測試現有藥物庫有冇得重新利用，以及預測虛擬生物體入面嘅免疫反應。