AREX Feed Article
David Baker 的 GenBio AI 发布 AIDO Cell：人类细胞的世界模型
8 月 18 日，总部位于加州 Palo Alto 的初创公司 GenBio AI 发布 AIDO Cell（ 报道）。公司称这是第一个能模拟人类细胞的系统：从 DNA、RNA 到蛋白质，再到全细胞行为，全部放进同一个模型，既模拟细胞的自然状态，也模拟它对药物和其他干预的响应。GenBio AI 由 2024 年诺贝尔化学奖得主 David Baker 联合创办。
STAT News 生物科技记者 Keshavan 当天的报道把 AIDO Cell 比作「人类细胞的 Google Earth」：放大后看到的不是街道和楼房，而是蛋白质、RNA 链和 DNA；敲除一个基因或加入一种药物，系统会预测细胞景观如何变化。报道用 DeepMind 的 AlphaFold 做参照：AlphaFold 预测单个蛋白质的结构，AIDO Cell 的目标是预测整个细胞的分子机制如何运转，好比前者只看「一栋房子的结构」或「城市里一个人的情况」，后者面对的是整座城市。
世界模型：细胞记得你做过什么
GenBio AI 在（作者为团队研究员 Caleb Ellington）中称，AIDO Cell 的底座是世界模型（world model）架构。多数 AI 架构只做一次性预测；世界模型在一个统一的「世界状态」上做预测，允许用户在中途施加动作，再把这些动作对应的现实观察解码出来。模型之外还有一个控制层（harness），跨尺度追踪细胞状态、把用户指令翻译成引擎可执行的步骤，让细胞实验可以被编程、观察、重放和调试。
这套设计带来三个能力。其一，多模态读数一致：染色质可及性、组蛋白修饰、转录因子结合、基因表达、异构体使用、蛋白质结构、互作、定位、丰度和形态，都从同一个共享状态解码，互不矛盾。其二，多尺度：同一个状态可以从 DNA、RNA 读到调控网络再到全细胞层面。其三，连续多轮实验：每个状态都是下一步的起点，细胞可以克隆分叉，耐药突变加两种后续治疗可以从同一个祖先分叉直接对比。
「有状态」（stateful）是公司反复强调的卖点。GenBio AI 总裁兼首席科学家 Eric Xing 在里解释：「世界模型架构带来的、也是让这套系统真正新的地方，是它既多尺度又有状态。模拟会记住你对细胞做过什么」（"What world model architecture enables, and what makes our system genuinely new, is that it's both multi-scale and stateful. The simulation remembers what you've done to the cell"）。官方 发布时用了更短的表述：不是四个模型互相传递结果，而是一个系统（"Not four models handing results to each other. One system"）。
31 项基准拿到 24 项最优，原型只有两条细胞系
为衡量这套系统，GenBio 自建了 Virtual Cell Benchmark 1.0，汇总公共生物学图谱，共 31 项指标、5 个任务族：小分子扰动、基因敲除、蛋白质复合物与单体结构、RNA 剪接、基因组调控。公司称 AIDO Cell 1.0 是唯一覆盖全部 5 个任务族的系统；其他方法（结构预测类的 AlphaFold 3 和 Boltz-1、调控基因组学模型 AlphaGenome、单细胞基础模型 scGPT 和 Geneformer）各自最多只覆盖两个任务族。
在 31 项指标里，AIDO Cell 1.0 在 24 项上达到或超过最强的专项模型。少数任务仍由专项模型领先：AlphaFold 3 在蛋白-DNA 互作、isoDDE 在蛋白-配体对接、AlphaGenome 在部分调控轨道上占优；公司称 AIDO Cell 在这些模型各自领域的其余任务上反超它们。
原型目前只有两条细胞系：K-562（来自白血病患者）和 Hep-G2（来自肝癌患者），都是数十年文献积累的全球参照系。团队在每条细胞系上模拟了 100 万个随机五联扰动，涵盖基因敲除、敲低、过表达和小分子，生成「扰动图谱」：每个节点是一个模拟状态，每条箭头是一次扰动，真实的多步实验在图谱上是一条轨迹，而不是一堆互不相干的预测。
博客还报告了「跨情境扩展」的早期迹象：完全留出 Hep-G2 的训练数据、只测试其他细胞系见过的药物时，某些任务的表现随训练细胞系数量提升。这意味着系统在利用其他情境的信息更新生物学先验，而不是只在一个细胞系内部变好；公司称这暗示一种建立在「广度」而非「深度」上的新扩展律，仍在继续刻画。
伊马替尼的反向实验：先定细胞状态，再设计分子
公布的首个案例研究是伊马替尼（imatinib）：系统在白血病细胞里复现了这种 ABL 激酶抑制剂的已知机制，展示药物处理如何穿过整个细胞环境级联。
博客给出了更细的机制。因为读数和扰动作用于同一个共享状态，模拟可以双向运行：正向是加药、读响应；反向是「情境内分子设计」（in-context molecular design），用户定义的目标不是蛋白质口袋或结合亲和力，而是一个细胞表型，系统生成候选分子、施加到克隆细胞上，并在同一循环里跨尺度刻画每个设计。具体实验里，团队先用伊马替尼处理一个 K-562 克隆定义目标状态，再生成结构新颖的分子；每个候选从同一个底层状态读出 2D 化学结构、预测的 ABL1 共折叠与结合接触、转录响应和预测的生物学年龄变化。
结果：若干候选分子落在扰动图谱上伊马替尼附近，用完全不同的化学结构恢复了伊马替尼 65% 到 88% 的差异表达基因。博客点名了其中三个分子：GBIO-392、GBIO-103、GBIO-157。
新闻稿为这个案例提供了背景数字：每 10,000 个进入研发管线的化合物，平均只有 1 个到达临床；全程超过 10 年，每个成功药物候选的平均成本超过 20 亿美元。公司把原因归结为人类生物学太复杂、现有工具只能捕捉其中一小部分，并把 AIDO Cell 定位为缩小这个缺口的第一步。
从 Nature Medicine 路线图到六人创始团队
发布前 5 天，也就是 8 月 13 日，Le Song、Eran Segal 和 Eric Xing 在 发表 Perspective《How to build an AI-driven digital organism》，提出 AIDO 路线图：先建专项基础模型，再跨尺度连接，最终模拟从分子到个体的动态生物学过程。论文披露，三位作者都对 GenBio AI 有经济利益。
创始团队由六位联合创始人组成。David Baker：华盛顿大学教授、HHMI 研究员、蛋白质设计研究所所长，2024 年诺贝尔化学奖得主。Eric Xing：总裁兼首席科学家，MBZUAI（穆罕默德·本·扎耶德人工智能大学）校长，卡内基梅隆大学教授。Fred Hu：CEO，Primavera Capital Group 创始人兼董事长，前高盛合伙人。Le Song：CTO，MBZUAI 教授，前 BioMap CTO 兼首席 AI 科学家。Ziv Bar-Joseph：首席科学官，卡内基梅隆大学教授，前赛诺菲 AI 负责人。Emma Lundberg：首席战略顾问，斯坦福大学副教授、KTH 教授、人类蛋白质图谱共同主任。另有科学研究员 Eran Segal（MBZUAI 生命科学学院院长、魏茨曼研究所教授）和 Debora Marks（哈佛大学教授）。
公司 2024 年成立，总部 Palo Alto，在巴黎和阿布扎比设有实验室。在上，Baker 这样描述公司使命：「当我们能精确模拟生物学，我们将开启医学的新时代：治愈疾病成为一个工程问题，而不是一场数十年的赌博」。MBZUAI 当天发文呼应：AIDO Cell 由该校校长 Eric Xing 和机器学习教授 Le Song 领导，两人都是 GenBio AI 创始团队成员。
预览版、受控访问与湿实验室这道关
目前的 AIDO Cell 只是预览。博客称系统今天只对公司团队和一组 alpha 合作者开放，面向学术界、生物技术和制药研究者的早期访问项目正在筹备；官网首页挂着「AIDO Cell research preview is open · Request access」，完整技术报告按需提供。研究员 Caleb Ellington 当天也在 写道，公司创办时的目标是模拟全部生物学，「今天我们分享的是这个模拟器第一个版本的预览」。GenBio AI 基础设施负责人、罗格斯大学助理教授 Hongyi Wang 随后称，AIDO Lab 和 AIDO Foundry 两个平台即日起接待研究社区用户，可加入等待名单。
安全边界写得很具体：当前版本不接受病毒或细菌输入，不能直接用于优化病毒或细菌设计；生成能力限于设计治疗性分子（小分子、抗体、纳米抗体）以挽救病变细胞状态；访问按个案受控，条款明确禁止用于开发任何意在造成伤害的应用。
验证是更核心的问题。博客承认，现有案例研究只是对照既有文献复现机制，「对全新预测的湿实验验证是终极测试」，相关实验已经在进行中。文章还提出，多尺度模拟需要一个类似结构预测界 CASP 那样由社区共有的评价标准；公司称 Virtual Cell Benchmark 1.0 只是第一版，最终标准「应该由领域拥有，而不是任何单一实验室」。Longevity.Technology 的（作者 Eleanor Garth）提醒，系统能在模拟中报告预测的生物学年龄并显示干预下的变化，但「更年轻的预测年龄不一定是年轻化」，关键在于计算变化是否对应湿生物学中可复现的功能变化；虚拟实验室最终可能让人提出还原论无法提出的问题，「但真正的实验室仍然负责批改答案」。
Eric Xing 在新闻稿里说，这一版是「预览，早期但功能完整的演示」，公司计划今年晚些时候和接下来一年发布能力更强、精度更高的版本。AIDO Cell 目前证明的是它能复现已知机制；它能不能预测未知的东西，取决于正在进行中的湿实验验证。在真细胞给出答案之前，24/31 只是 GenBio 自己搭的基准上的成绩单。