若何构建一个AI驱动的数字性命体 (AIDO)?
设想一下,你能够在推算机中创建一个"数字孪生"的人类——从DNA双螺旋结构,到蛋白质若何折叠,再到细胞若何通讯,甚至整个器官和身段的运作,全数以数字化大局出现。你能够在这个虚构系统上测试新药、模拟基因编纂的后果、预测疾病的发展轨迹,而无需触碰任何一个真实的细胞或尝试动物。
这不再是科幻幼说。2026年8月13日,Nature Medicine上颁发了一篇前瞻性文章中,正式提出了“AI驱动的数字性命体(AI-driven Digital Organism, AIDO)”的巨大构思。这项钻研描述了一条通往“虚构生物学”时期的清澈路线图。
为什么必要一个“数字性命体”?
生物学是医学、药学、公共卫生和长命钻研的基石。然而,在物理世界中钻研生物系统面对三沉困境:极其复杂、成本高昂、风险巨大。无论是寻找疾病的遗传象征物、设计靶向药物,还是开发疫苗匹敌大盛行病,都必要对闯辗视到细胞、从组织到个别的全尺度生物学有深刻理解。
在传统研发模式下,生物医学钻研依赖于湿尝试和试错验证,周期漫长、投入巨大。相比之下,其他工程领域早已实现了“先模拟、后施杏妆的范式转变——土木工程师在设计桥梁前会进行结构仿真,半导体工程师在流片前会进行电路验证。生物医学钻研能否也占有属于自己的虚构试验?
当前AI生物学模型:进取显著,但远远不够
近年来,AI在生物学领域的利用突飞猛进。针对DNA序列,开发了Nucleotide Transformer、HyenaDNA、Evo等模型;针对蛋白质,ESM、AlphaFold、ProGen2等模型在结构预测和职能设计上获得了惊人成就;单细胞RNA测序领域也有scFoundation、scGPT等基础模型涌现。这些模型的参数量已突破千亿级别,预训练数据规模达到数十亿数据点。然而,这些模型大多是“模型-工作”的孤岛式工具,专一于单一数据模态(如DNA序列或蛋白质结构),未能反映生物学的主题性质——多尺度、多模态、深度互联。
生物学从来不是孤立的。一个基因突变会影响蛋白质职能,进而扭转细胞行为,最终影响整个器官和个别的健康。任何生物景象——无论是一个分子突变、一个细胞职能异常,还是一场大盛行病——都通过这个层级传布。若是不能跨尺度建模,就难以真正理解性命。

图1 生物学作为一个多尺度系统
AIDO:一个集成的多尺度生物基础模型系统
AIDO是一个集成的、多尺度的生物基础模型系统,可能在统一框架内模拟性命系统中的生物、生理和临床过程。
它不是把各类专门的AI模型单一地堆砌在一路,而是要构建一个统一的生物体推算暗示——这个暗示在经验上与生物学的关联性、层级性和复杂性维持一致。它可能模拟真实生物系统若何响应相互作用、过问和扰动,并提供一个可编程的数字接口。
AIDO的关键能力
预测能力:从氨基酸序列预测蛋白质结构,从基因型预测表型,预测细胞对药物扰动的反映
模拟能力:模拟遗传操作、药物过问、环境变动对生物系统的影响
编程能力:在虚构系统中设计和测试新的生物分子、调控网络,加快合成生物学和新型疗法开发
演化能力:在推算机中模拟进化过程,让虚构分子或系统经受选择压力,优化生物职能

图2 AIDO是一个集成的多尺度的生物基础模型系统
若何构建AIDO:三阶段路线图
第一阶段:分而治之——构建各模态的基础?
针对DNA、RNA、蛋白质、细胞、组织等分歧生物尺度和数据类型,别离训练专业化的基础模型。作者强调,不能单一套用天然说话处置的Transformer架构,而必要开发等变模型、稀少层级架构等新型设计。
第二阶段:衔接各点——跨模态与跨尺度整合
文章提出了三个关键整合准则:
?生物序列象征说话模型
将DNA、RNA、蛋白质的注解信息(如编码区、调控元件、职能域)直接嵌入,让模型“理解”中心法令,捕获从基因型到表型的信息流。
?多维地位编码
生物学天然是多维的——序列有进化上的多沉比对,蛋白质有三维结构,细胞在组织中有空间地位。二维甚至更高维的地位编码能让模型同时沿多个轴进建,揭示进化约束和空间协调。
?可微推算图
利用图神经网络构建跨层级的信息传递通路。分子水平的嵌入能够向上传递影响细胞模型,而细胞水平的约束也能够反过来影响分子水平。这种双向信息流使系统真正成为可端到端训练的多尺度系统。
第三阶段:整体组装——跨尺度对齐与结合优化
将各?檎铣梢桓鐾骋坏摹⒖山岷嫌呕耐扑阆低。高阶模型构建在低阶?橹,形成向量化的可微衔接,允许信息双向传布。通过结合优化跨尺度的多个预测和天生工作,系统将分子、细胞、表型水平的暗示对齐到一个统一的潜在空间。

图3 AIDO的三阶段路线图
AIDO用于代谢疾。捍幽P褪视Φ桨械惴⑾趾鸵┪锷杓
AIDO的一个主题承诺不仅仅是再现已知的生物学,而是加快整个医治开发周期。代谢疾病提供了一个注明性示例。从跨分子、细胞和表型数据预训练的通用AIDO起头,系统首先能够使用肝脏特异性基因组、转录组、蛋白质组、成像和临床数据集,适应于肝脏生物学。来自肝细胞模型(如Hep-G2)的扰动数据集,以及蕴含血脂丈量和心血管终局的群体队列,进一步将系统特化于胆固醇代谢和心血管代谢疾病。
? 验证已知机造:吓酌他汀类药物进行测试——系统能否正确鉴别HMGCR为靶点?能否预测阿托伐他汀与HMGCR的相互作用?能否模拟通路抑造对胆固醇代谢的下游效应?
? 发现新靶点:在胆固醇调控网络中搜索新的过问点,优先思考那些在分子、细胞、生物体多个层面都有积极效应的靶点。
?设计新分子:针对优先靶点,利用分子天生模型设计候选幼分子或生物造剂,索求尝试步骤难以穷尽的设计空间。
?模拟多尺度效应:在数字性命体内部齐全评估候选药物的效应——从靶点结合、分子通路调控、细胞职能变动、到组织器官水平生理效应和系统风险。
? 预测患者终局:结合电子健康纪录和纵向队列数据,预测分歧患者的疗效和安全性,领导患者分层和临床试验设计。
AIDO药物发现工作流程: 通用AIDO → 疾病特异性适应 → 对照已知生物学验证(他汀类-HMGCR)→ 新靶点发现 → 分子和过问措施设计 → 多尺度模拟(分子→相互作用组→细胞→组织/器官→患者)→ 尝试验证 → 模型精辟。整个流程中,只有最后一步才进入尝试室验证——尝试成本大幅降低,研发效能质的飞跃。
挑战与考量
当然,构建AIDO面对沉大挑战:
数据层面
生物数据高度异质,存在批次效应、缺失数据、人丁代表性不均等问题。必要系统性的数据协调、尺度化和误差校对。
基准评估
必要成立覆盖多尺度的尺度化评测系统,指标不是钻营单一指标,而是让各?榈脑げ饩戎鸩奖平⑹哉闪康哪诤蝗范ㄐ。
可诠释性
利用要求理解“为什么”。AIDO的?榛杓铺烊惶峁┝恕凹读节故汀钡哪芰Α卟阍げ饽芄桓酱绶肿印⑾赴⒆橹慵兜闹醒肓司,形成机理如果。
安全与伦理
可能天生致病序列或毒性分子的能力,既是工具也是风险。必要在系统中内置“防护栏”,借鉴大说话模型的对齐经验,检测并回绝有害要求。
原文链接:https://www.nature.com/articles/s41591-026-04595-0
单细胞促销活动
我们提供单细胞全流程服务,从样本接管、尺度化前处置、文库构建、上机测序到生信分析,专属技术团队全程跟进,助力各位教员急剧推动课题、产出高质量成就。

无论是临床疾病机造探索、动物模型验证,还是药物靶点挖掘、免疫调控机造解析等各类科研场景,均可一站式高效落地、精准结题。

电话征询(158 0035 3038),免费获取定造化单细胞规划,抢占科研优惠先机!

