如果科学家不用在实验室里接触真实细胞，就能测试新药或对细胞进行改造，将会在生物科技领域产生什么样的影响？AI能实现这一切吗？GenBio AI正在尝试给出答案。
该公司发布了AIDO Cell——一个AI模型，旨在尽可能复现细胞内部发生的一切，让研究人员可以在计算机上对其进行实验。
而且这不仅仅是"改一下X看看会发生什么"那么简单。该模型会追踪细胞已经经历过的所有变化。研究人员可以做一次修改，再做一次，再做一次，然后观察这些效应如何叠加累积。
当然，前路依然漫长。计算机上的细胞模型显然不等于真实细胞，最终其预测结果必须在实验室中得到验证。GenBio AI联合创始人David Baker很谨慎，并未声称公司已经解决了细胞生物学的全部问题。在他看来，AIDO Cell的重要意义在于：将从DNA到细胞行为的不同生物尺度，整合到一个可在计算机上进行实验的统一模型中。
Baker是2024年诺贝尔化学奖三位得主之一，与Google DeepMind的Demis Hassabis和John Jumper共享该奖项。Baker因计算蛋白质设计获奖，而Hassabis和Jumper因蛋白质结构预测获此殊荣。他的研究让人类得以用计算机设计全新的蛋白质，而不再局限于研究自然界中已有的蛋白质。他的研究为药物、疫苗、传感器和新型材料的蛋白质研发打开了大门。
AIDO Cell将计算生物学的理念推向了更宏大的尺度——它被设计为能够跨越多层次的细胞结构进行工作。
据GenBio AI总裁兼首席科学家Eric Xing介绍，这其中还包含另一个重要特性：记忆。
"世界模型架构所实现的、也是让我们的系统真正具有创新性的，是它既是多尺度的，又是有状态的。模拟会记住你对细胞做过的所有操作。你可以运行一整套连续的扰动序列，每一次都建立在前一次的基础之上，观察细胞中不断累积、演变的效应——就像你在真实（湿）实验室工作流程中会做的那样。"Xing表示。
这意味着，研究人员可以对模拟细胞做出一次改变，检查预测的反应，然后根据细胞的新状态继续进行修改。关键在于：第一次干预的效果会保留在模拟中，而不是模型简单地从头开始。
更多可能性
这一技术的潜在回报在于：在进入实验室之前，可以通过计算运行数量多得多的生物学实验，从而大幅提高突破性发现的可能性。
要理解这会带来怎样的影响，不妨想象一位研究某种疾病的科学家。他们可以用这个模型改变某个特定基因的活性，然后观察模型预测这一改变会如何影响细胞的其他部分。他们还可以用这种方法探索细胞对潜在药物或联合治疗方案可能产生的反应。
通过计算运行这些实验，科学家能够探索的可能性数量，远远超过他们在实体实验室中能合理测试的范围。
这一理念并非要取代实验室实验，而是帮助研究人员判断哪些实验值得去做。这在药物发现领域尤为有用——研究人员通常需要从大量候选靶点和化合物中，筛选出极少一部分进入进一步测试。
当然，这一愿景与一个能够可靠替代真实细胞的数字细胞之间，仍然存在相当大的差距。GenBio AI自己也将当前版本描述为早期预览，而非完成版的虚拟细胞。
"我们发布的这个版本是一个预览版——一个早期但可运行的演示，证明多尺度、有状态的虚拟细胞模拟如今已经成为可能，"Xing表示，"我们计划在今年晚些时候和明年，发布更先进的版本，具备更强的能力和更高的准确性。"
像AIDO Cell这样的系统，其价值最终取决于预测结果与真实生物实验的吻合程度。细胞极其复杂。复现有生物学数据中已存在的模式，与准确预测真实细胞在新条件下将如何反应，完全是两回事。
尽管挑战重重，GenBio所采取的方法仍然值得关注。AI在生物学领域最重大的一些成功，都来自于对拼图中单个碎片的建模。而虚拟细胞的探索，正在追问一个更大的问题：这些碎片最终能否被整合在一起，形成能够捕捉生物系统整体行为的模型。
对Baker而言，这也代表着他当年帮助获得诺贝尔奖的计算方法，一次意义深远的扩展。蛋白质设计证明了计算机不仅可以理解生物学，还可以在其中创造全新的事物。GenBio AI正在测试这一理念究竟能走多远。
热门跟贴