兩者並唔係「邊個取代邊個」嘅關係,而係回答緊唔同問題。AlphaFold 關心嘅係「一粒蛋白質可能係咩形狀」;AIDO Cell 就想探索「當細胞入面某啲分子組件或者輸入被改變,成個細胞系統會發生咩事」。
AIDO Cell 亦建基於 GenBio 早期嘅單細胞基礎模型研究。AIDO.Cell 模型系列以約 5,000 萬個人類細胞作訓練,模型規模由 300 萬至 6.5 億個參數不等;早期系統主要用嚟表達細胞嘅轉錄組上下文。 新嘅虛擬細胞方向,就係將呢個基礎推向更整合、跨尺度嘅模擬。
AIDO Cell 係 GenBio AI 更大規模嘅「AI 驅動數碼有機體」(AI-Driven Digital Organism,AIDO)計劃其中一步。整個路線圖分為三個階段:
GenBio 過去亦曾形容 AIDO 係一套涵蓋 DNA、RNA、蛋白質同單細胞表達等主要生物資料類型嘅多尺度模型系統。 真正困難嘅地方,唔只係將模型做得更大,而係要令各種生物學表達可以有效協作,並且對近似因果干預嘅測試同可驗證預測仍然有用。
喺最初嘅案例研究入面,GenBio 表示,AIDO Cell 重現咗咪替尼(imatinib)喺 K562 白血病細胞中已知嘅作用同機制。呢個示範主要係展示模型點樣追蹤藥物喺模擬細胞環境入面造成嘅連鎖影響。
呢個結果係一個重要概念驗證,但唔應該當成前瞻性驗證。事後重現已知生物學,並唔代表模型已經可以預測未見過嘅藥物反應、搵到一隻成功嘅新化合物,或者證明自己勝過較簡單嘅計算方法。公開資料亦未披露足以支持呢類結論所需嘅定量準確率、統計分析、直接比較結果,或者前瞻性實驗驗證。
現時 AIDO Cell 預覽版支援兩種永生化人類細胞系:
如果虛擬細胞模型足夠可靠,研究人員就可以喺投入每一項昂貴嘅實驗之前,先於電腦入面探索大量假設。原則上,大家可以比較唔同候選化合物、靶點、藥物組合及治療次序,並留意可能代表療效、抗藥性或者脫靶作用嘅細胞反應。
因此,AIDO Cell 近期最實際嘅角色,可能係協助排列候選項目優先次序:幫研究人員決定邊啲化合物值得先做實驗、邊啲干預值得深入測試,或者邊啲結果反映實驗設計可能有漏洞。佢亦可以透過揭示細胞反應點樣受之前干預影響,協助設計更有資訊量嘅後續研究。
但呢個始終係篩選同規劃功能,唔係臨床保證。細胞系模型本身未能完整反映人體層面嘅藥物代謝動力學、免疫及組織互動、病人差異、毒性,或者臨床結果。虛擬細胞唔等於完整虛擬人體,而電腦模擬出嚟嘅反應亦唔可以取代動物研究、人體試驗或者監管證據。
AIDO Cell 最關鍵嘅考驗,係前瞻性驗證:佢可唔可以預測示範案例之外、訓練或建構模型時未見過嘅反應?而呢啲預測,又可唔可以喺受控實驗入面重現?
喺相關證據出現之前,最合理嘅描述係:AIDO Cell 係一個有潛力嘅虛擬篩選及實驗規劃層。佢嘅跨尺度同有狀態設計,可能令生物模擬比單獨嘅分子模型或者轉錄組模型更貼近細胞嘅複雜性;但單靠架構,並唔足以證明預測準確。由重現已知生物學,行到發現可靠嘅新生物學,中間仍然有一個關鍵而且未解決嘅科學鴻溝。