GenBio发布“虚拟细胞”AI模型

这家人工智能初创公司，其联合创始人中包括诺贝尔奖获得者 David Baker，宣布了一个细胞的“世界模型”，该模型可以模拟其自然状态以及对连续扰动的反应，有可能改变生物学研究。

生活在模拟中

几十年来，在计算机上模拟生物体（in silico）一直是计算机科学家和生物学家的梦想。然而，由于生物学的巨大复杂性，之前的尝试一直受到阻碍，现有的计算工具无法充分重建这种复杂性。

人工智能最近的进展可能大大改变了这一局面，让科学家们有了更好的机会达成目标。多个团队目前正在开发生物学领域的基础模型和其他大型人工智能模型，包括 Nucleotide Transformer、Evo、ESM、AlphaFold、GeneFormer 等。基础模型是在非常广泛的数据集上训练的大型模型，因此它能学习到通用的表征，稍后可以重复用于许多不同的任务。

然而，即使是这些庞大的模型，在范围和模态上仍然有限。以 AlphaFold 为例，这是一种从氨基酸序列预测蛋白质结构的人工智能模型。尽管它令人印象深刻，但它仅涵盖了我们称之为生命的极小一部分。因此，通往实际模拟生命的一条拟定路线是让多个专业模型在一个更大的系统内协同工作。

构建世界的挑战

总部位于加利福尼亚州帕洛阿尔托的初创公司 GenBio AI 刚刚宣布了迈向这一目标的初步步伐。该公司的联合创始人名单包括诺贝尔奖获得者 David Baker、人工智能科学家 Eric Xing 以及其他著名的生命科学和人工智能研究人员。今天发布的新闻稿将 AIDO Cell 描述为一种虚拟细胞“世界模型”，并且是“第一个能够模拟人类细胞的系统，无论是其自然状态还是对药物和其他干预的反应，跨越其完整的生物层级，从 DNA 和 RNA 到蛋白质再到全细胞水平”。

“令人兴奋的并不是我们已经解决了细胞生物学——我们还没有，至少目前还没有，”Baker 说，他因在计算蛋白质设计方面的贡献获得了 2024 年诺贝尔化学奖。“而是我们第一次拥有了一个能够在同一个地方模拟跨越完整生物尺度层级（从 DNA 到全细胞行为）的细胞系统，这让你可以通过计算方式对其进行探究。”

几天前由三位联合创始人——Eric Xing、Eran Segal 和 Le Song——在 Nature Medicine 上发表的一篇随附的观点文章描述了如何分三个阶段构建这样一个系统。第一阶段涉及为单个生物模态构建强大的基础模型。在第二阶段，开发跨模态和生物尺度的连接机制。最后，在第三阶段，对整个网络进行联合对齐和优化，使其作为一个系统连贯地运行。

最终，研究人员设想 AIDO 能够利用多种形式的信息——序列、结构、通路、转录组学、代谢组学、成像以及空间和纵向数据——并将它们整合到各个生物层级。一个关键特征是能够将信息从高级生物层级反馈到低级层级。AIDO Cell 也是有状态的，这意味着一系列扰动可以相互叠加，而不是被视为一系列孤立的预测。更详细的解释可以在技术论文中找到。