GenBio AI公司推出的AIDO Cell将DNA、RNA、蛋白质和细胞行为紧密联结，并且能够「记住」细胞已经经历过的一切。
GenBio AI近日发布了AIDO Cell，这是一个旨在单一计算环境中模拟多生物学层级人类细胞行为的虚拟细胞系统——它允许研究人员对DNA、RNA或蛋白质进行扰动，并对这些变化如何在整个细胞行为中产生连锁反应进行建模。
基于世界模型（world-model）架构构建的AIDO Cell还具有状态记忆功能：模拟出的细胞能够保留以往干预措施所带来的影响，从而让一连串的扰动得以累积，而不必每次实验都从一张白纸般的未触碰基线重新开始。该系统的1.0版本目前支持K562白血病和HepG2肝癌细胞系，更多细胞类型正在开发中；此次发布紧随《自然·医学》（Nature Medicine）杂志的一篇前瞻性论文之后，GenBio的研究人员及合作者在这篇论文中，为跨越不同生物学尺度的互联AI模型描绘了更加宏大的愿景。
几个世纪以来，生物学一直通过将其拆解来变得可被理解。基因在这里，蛋白质在那里，信号通路则夹在中间；还原论为我们带来了极其丰富且有用的科学知识，这并不是因为研究人员真的认为细胞是在整齐的学科隔间里运作的，而是因为这些正是我们的工具能够按住并进行足够长时间研究的碎片。问题在于，衰老从来都不大尊重这些人为的边界。DNA的一次扰动可以改变RNA、蛋白质丰度以及细胞行为；受损的细胞会改变其邻居和组织，而几十年来累积的损伤、适应和代偿反应则决定了接下来会发生什么。生物学在「分而治之」上的成功，远大于它在「重新整合」上的成功——这正是GenBio AI的AIDO Cell引人注目之处。它的雄心不仅在于构建另一个功能强大的生物学基础模型，而是要将DNA、RNA、蛋白质和整体细胞行为的模型连接起来，使得某一层面的干预能够通过其他层面传播，同时系统还能记住已经发生过的事情。
最后这一点对衰老生物学（geroscience）尤为重要。衰老本质上是依赖历史的生物学；一个衰老的细胞绝不仅仅是一个表现出一堆不幸生物标志物的年轻细胞，而是系统经历了多年变化后的当前状态。因此，一个状态感知的世界模型——其中扰动B作用于由扰动A留下的细胞，而不是屡屡回到原始的计算起点——是一个引人入胜的构想。AIDO Cell能够在模拟过程中报告预测的生物学年龄，并展示该预测在干预下发生偏移的能力，同样令人神往——尽管正是在这里，这种兴趣应当伴随着一丝审慎的挑眉。预测年龄变年轻并不一定意味着返老还童，正如准确的模拟不一定等同于因果解释；真正重要的是，这些计算层面的变化是否对应着湿实验室（wet biology）中可重复的功能改变。GenBio在《自然·医学》中提出的更广泛愿景承认了其中的许多障碍，从因果关系、不确定性到基准测试和实验验证。虚拟实验室最终或许能让我们提出那些曾因还原论而变得不切实际的生物学问题；然而，真正的实验室仍然拥有给出最终答案的权力。
AIDO Cell隶属于GenBio更广泛的「人工智能数字生物体」（Artificial Intelligence Digital Organism，简称AIDO）计划，该计划由GenBio的乐颂（Le Song）、埃兰·塞加尔（Eran Segal）和埃里克·邢（Eric Xing）共同发表在《自然·医学》的前瞻性论文中。作者在文中指出，生物学基础模型在各自的领域内变得越来越强大，但由于模态和生物学尺度的不同，它们在很大程度上仍然彼此割裂 [1]。该公司的更广泛创始团队横跨计算生物学和更广泛的AI领域，其中包括2024年诺贝尔化学奖得主、华盛顿大学（University of Washington）的大卫·贝克（David Baker）、斯坦福大学（Stanford University）的埃玛·隆德伯格（Emma Lundberg）、卡耐基梅隆大学（Carnegie Mellon University）的齐夫·巴尔-约瑟夫（Ziv Bar-Joseph），以及身为GenBio总裁兼首席科学家的埃里克·邢本人。
他们提出的通往数字生物体的路径是从务实开始的：构建专业的基础模型，跨尺度将它们连接起来，最终创建能够从分子层面向上模拟动态生物学过程的系统。作者认为，这样一个框架可以提供他们所谓的对生物学系统的「可操作的实证理解」——这一雄心远远超出了当前AIDO Cell的实现范围 [1]。
「这里令人兴奋的地方不在于我们已经解开了细胞生物学的谜题——我们还没有，至少目前还没有。而在于我们首次拥有了一个能够在单一地方、跨越从DNA到全细胞行为的完整生物学等级体系来模拟细胞的系统，这允许你对其进行计算层面的探究，」大卫·贝克（David Baker）表示，「AIDO Cell是一个意义重大的构建基础，即便在现阶段依然如此，它可能对药物发现、毒理学以及更广泛的疾病研究产生重大影响。」
状态感知特征将AIDO Cell与那些扰动实际上被视为孤立事件的模拟区分开来。例如，研究人员可以改变细胞生物学的一个组分，让由此产生的变化扩散开来，然后将另一次干预引入到这个已经改变的状态中。
「世界模型架构所成就的、也是让我们的系统真正具有开创性的地方在于，它既是多尺度的，又具备状态感知能力。这个模拟能够记住你对细胞做过什么，」埃里克·邢（Eric Xing）表示，「你可以运行一连串完整的扰动，其中每一个扰动都建立在前一个扰动的基础之上，并观察细胞中不断演变、累积的效应，这正如你在真实（湿实验）工作流程中所看到的一样。」
对于衰老研究而言，累积性扰动是一个极具吸引力的功能。细胞衰老是通过相互作用的变化而非单一开关涌现出来的；在序列中的不同时间点探究预测生物学年龄的可能性，为我们在将选定的假设推进到实验系统之前，通过计算手段探索干预措施的组合与顺序提供了一种方法。
然而，这些年龄偏移究竟意味着什么，仍需要仔细的验证。模型推导出的生物学年龄只是在计算表征中生成的预测；证明其变化对应着细胞功能的持久改变则是另一项独立任务。
GenBio报告了一个涉及白血病细胞中伊马替尼（imatinib）的早期案例研究，其中AIDO Cell重现了该药物已知的机制，并追踪了整个细胞环境中的预测治疗反应。这一结果提供了跨尺度模拟的初步演示，尽管重现已知机制与前瞻性预测未知机制面临着不同的挑战。
这种区别体现在更广泛的AIDO路线图中。在《自然·医学》的前瞻性论文中，作者将因果关系、可解释性、不确定性、偏倚和泛化能力列为生物学基础模型尚未解决的挑战。他们自身设定的基准是严格的：预测准确性最终应当接近实验测量本身固有的不确定性，并且预计进展将是渐进式的，在达到整个生物体的水平之前，必须逐个分子地推进 [1]。
GenBio将当前的发布描述为早期的功能预览。「我们计划在今年晚些时候以及明年推出具备更强功能和更高准确性的系统高级版本，」埃里克·邢（Eric Xing）说道。
面向学术界、生物技术和制药行业研究人员的抢先体验合作计划也正在筹备中。
当AIDO Cell开始做出尚未为人所知的预测，并且实验生物学来检验它们是否经得起真实细胞的考验时，更具决定性的测试将会到来。
如果互联模型最终能够预见连续干预如何重塑细胞状态，那么虚拟细胞将不再仅仅是一个低成本运行实验的便捷场所，它将成为一台决定哪些实验真正值得去做的决策机器。
图片/图形由GenBio AI提供。主图展示了AIDO Cell生成的一种新型小分子，旨在结合细胞状态背景下的蛋白质靶点。这个例子展示了一个被设计用来结合HMG辅酶还原酶蛋白的小分子的共折叠过程，该蛋白是胆固醇合成中的关键酶。
[1] https://www.nature.com/articles/s41591-026-04595-0
📎 来源：Longevity Technology