David Baker、宋乐等联手创办GenBio AI: 虚拟细胞只是开始，数字有机体才是终局

疾病的发生往往牵动多个生物层次。DNA 突变可能影响 RNA 转录和蛋白质合成，继而改变细胞、组织和器官，最终表现为患者的症状。

现有的 AI 模型能够解决这个链条中的部分问题：AlphaFold 可以预测蛋白质结构，基因组基础模型能够学习 DNA 中的规律，近年来快速升温的“虚拟细胞”则试图预测药物扰动之后，一个细胞会发生怎样的变化。

但这些模型大多仍然停留在某一个生命尺度。最近，GenBio AI 在 Nature Medicine 发文，公布了一项更有野心的构想：能不能把分子、细胞、组织、器官乃至人体不同层面的 AI 模型连接起来，在计算机中模拟一个生命系统？也就是利用AI 建立一个能够模拟生命运行的“数字有机体”（AI-Driven Digital Organism，AIDO）。论文还试图回答一个更具体的问题，这样一个跨尺度的数字生物体，究竟应该怎样一步步造出来？

AIDO 本身并不新鲜，GenBio 自 2024 年以来一直在开发这一理念，并发布了覆盖 DNA、RNA、蛋白质、蛋白质结构,细胞和组织等方向的六类初始模型。“这篇论文更聚焦 AIDO 的整体构建思路，以及其在疾病和医疗场景中的应用。与此同时，过去一年多，团队也从早期概念探索进入实际搭建阶段，已经形成了一些系统原型和工程经验。”GenBio 的联合创始人兼 CTO 宋乐告诉 DeepTech，他是 AI+生物领域的重要研究者，曾担任百图生科 CTO。

主导这项研究的 GenBio AI 是 AI 生物学领域颇受关注的新锐公司。其 CEO 是清华校友 Fred Hu，曾主导对阿里巴巴集团、字节跳动和商汤科技等公司的投资；首席科学家 Eric Xing 长期做机器学习和计算生物学，是全球首所人工智能大学阿布扎比穆罕默德·本·扎耶德人工智能大学（MBZUAI）的创校校长；联合创始人还包括 2024 年诺贝尔化学奖得主 David Baker。

图 | GenBio 核心团队（来源：公司官网）

如何构建 AIDO？

近年来，“虚拟细胞”成为 AI 生物学领域的重要方向。研究者希望利用 AI 预测基因敲除、药物扰动等操作会如何改变细胞状态，把一部分原本需要在实验室完成的细胞实验搬到计算机中。

但在 GenBio 的设想中，细胞只是其中一个尺度。“虚拟细胞只是 AIDO 的一个子集。我们希望构建的是一个更大的 AI 模拟系统。”宋乐说道。在他看来，虚拟细胞之所以成为当前的重要切入点，是因为分子尺度的结构预测、相互作用预测和生成式设计已经有了较多基础。再往上一步，细胞既足够复杂，又与药物研发密切相关，因此成为自然的下一站。

AIDO 的目标则更长远，希望覆盖六个相互嵌套的生物学尺度：分子层、细胞内、细胞间、组织/器官、个体，以及种群与病原体网络。

（来源：上述论文）

但问题也随之而来：今天已经有 DNA 模型、RNA 模型、蛋白质模型和细胞模型，为什么不能直接把它们拼起来？

GenBio 的答案是：简单连接还不够。

一个蛋白质模型可能非常了解蛋白质，却不知道这个蛋白质的变化会对某一种细胞产生什么影响；一个单细胞模型可能从数百万个细胞中学习基因表达规律，却未必真正利用了下层 DNA、蛋白质和分子网络中的知识。即使把这些模型通过 API 串起来，得到的也可能只是一组彼此独立的“专家系统”，而不是一个生命模型。

因此，这篇论文提出了一条三阶段路线。

第一阶段可以概括为“Divide and Conquer”——分而治之。

GenBio 并不准备从头训练一个包罗万象的“大一统生物模型”，而是先针对不同生命尺度和数据类型分别建立基础模型。DNA 是序列，蛋白质既有序列又有三维结构，单细胞数据通常是高维而稀疏的，组织又具有明显的空间关系，这些不同的数据并不适合使用完全相同的模型架构。

因此，AIDO 更像一个“基础模型家族”：分子模型、DNA 模型、RNA 模型、蛋白质模型、相互作用网络模型、细胞模型、组织模型和表型模型分别把自己的问题做好，同时从一开始就为未来连接做好准备。论文称，GenBio 目前不同 AIDO 组件已经在上千项横跨分子、细胞和表型的任务上进行过评估。

但真正困难的并不是分别训练这些模型，而是第二步：Connect the dots，融会贯通。

要把这些模型真正连起来，一个关键前提是找到不同模态之间的对应关系。宋乐介绍，这需要依赖“成对数据”：也就是在同一次实验中，对同一个样本同时测量两个或多个模态。例如，同时测量细胞的基因表达和蛋白表达，或者同时获得染色质开放程度与基因表达。这样的数据相当于给不同模态提供了一套“对照表”，帮助模型完成彼此之间的对齐。

为此，论文提出了几种可能的连接方式。例如，在序列模型中显式编码 DNA、RNA 和蛋白质之间的对应关系；利用二维位置编码表达蛋白质结构、空间转录组以及细胞在组织中的位置关系；再通过图神经网络和可微计算图，把分子相互作用网络、信号通路、细胞状态和表型连接起来。

这样一来，一个 DNA 序列模型产生的表示，可以继续传递给细胞模型；细胞模型产生的信息又可以进入组织和表型模型。反过来，更高尺度上的疾病表型和长期临床结果，也可以向下反馈，用来修正分子和细胞层面的表示。

（来源：上述论文）

第三阶段则是 Align and optimize across scales——统筹优化，也就是让整个跨尺度系统共同学习。

分子层面的信息可以帮助预测细胞和人体表型，反过来，一个人的疾病状态、长期临床结果等高层信息，也可以向下反馈，重新调整细胞和分子层面的表示。

研究人员希望建立的是一个双向、多尺度、能够整体训练的系统，而不是一个模型算完之后，把固定答案交给下一个模型。

据宋乐介绍，团队目前已经进入 AIDO 构建的第二阶段。近期首先推进的会是更接近虚拟细胞的系统，之后再逐步向虚拟组织、器官乃至完整个体扩展。

不过，这种由多个基础模型组成的模块化体系，更多是现阶段的工程实现方式，并不一定是 AIDO 的最终形态。

宋乐认为，AIDO 未来可能沿着类似多模态大模型的路径演进：先分别训练不同模态的基础模型，再通过成对数据完成对齐和融合，并进行联合调优。随着分子、细胞等不同尺度的能力逐渐整合，整个系统会越来越接近一个统一模型；更进一步，还可能通过蒸馏等方式，将不同模块的能力压缩到更简单、更统一的模型架构中。

从数字有机体到生物学世界模型

在 GenBio 的设想中，一旦 AIDO 建成，它将不只是一个预测模型，而是一套可以用于预测、生成、模拟、逆向设计乃至虚拟进化的生物学计算系统。

例如，它可以从序列预测蛋白质结构、从基因型推断表型、预测细胞受到扰动后的反应；也可以生成新的分子、调控网络或细胞状态。进一步地，研究人员还可以给系统施加药物、基因突变或环境变化等干预，观察影响如何在不同生命尺度间传播；反过来，也可以先设定希望达到的疗效或安全性目标，再让 AI 寻找相应的分子或生物学干预方案。论文还提出，可以在虚拟环境中对分子或生物系统施加选择压力，以模拟进化过程并优化生物功能。

（来源：上述论文）

论文以代谢性疾病为例，展示了这种工作流可能如何展开。

研究者先用肝脏的基因组、转录组、蛋白质组、影像和临床数据，对通用 AIDO 进行适配。随后拿他汀类药物检验系统能否复现已知生物学。系统应当识别出 HMGCR 是他汀类药物的核心靶点，预测阿托伐他汀怎样与它结合，并继续推演胆固醇合成、细胞增殖和反馈调控受到的影响。

通过这项测试以后，系统开始寻找新的干预靶点，生成候选小分子、生物制剂或基因干预方案。候选方案再沿着分子、细胞、组织、器官和患者这条路径接受模拟，提前评估疗效和肌肉毒性等风险；最后，患者模型结合电子病历、可穿戴设备和长期队列数据，估计哪些患者更可能受益，临床试验应当怎样分组。

如果 AIDO 最终如预期那样运作，研究人员就可以在计算机模拟中改变基因、施加药物或改变环境条件，然后追踪这些影响如何在分子网络、细胞、组织、器官乃至整个生物体中传播。同样的系统也可以反向运作：从你想要的生物学结果出发，然后寻找能够产生该结果的分子或干预措施。

在此基础上，GenBio 还提出了更进一步的目标——“生物学世界模型”（world model of biology）。

在宋乐看来，真正的生物世界模型至少需要具备两个核心能力。

首先是能够保留和更新“状态”。一个细胞经历基因敲除后，会从原来的状态转变到新的状态；如果此时再施加药物，模型需要在这个新状态上继续推演，而不是每次都从初始状态重新预测。这和自动驾驶、机器人世界模型类似：此前发生的操作会改变环境，模型需要记住这些变化，并持续模拟接下来会发生什么。

其次是能够跨模态、跨尺度学习生物学规律。模型不仅要整合 DNA、RNA、蛋白质和细胞等不同层面的信息，还要学习中心法则、分子相互作用、基因调控和信号通路等规律，从而理解一次干预如何沿着不同生物尺度逐步传递。

也就是说，真正的生物世界模型不能只回答“干预之后会变成什么”，还要知道系统当前处于什么状态，并持续模拟它接下来如何变化。比如给定一次药物干预，模型不仅要预测 24 小时后的细胞状态，还应尽可能还原从初始状态到终点之间的变化过程；如果继续施加新的干预，还要在新的状态上继续推演。进一步地，这样的模型还可以支持不同剂量、不同干预顺序，乃至“如果没有用这款药会怎样”等反事实实验。

当然，从这一蓝图走向真正可用的数字生物体仍有不少难题。首先是评估和可解释性问题。由于其横跨分子、细胞、组织和临床表型等多个尺度，未来需要建立多层次、自动化的评测体系，目标是让模型预测误差逐步逼近真实实验本身的测量误差。同时，在医疗场景中，模型不能只是“黑盒”，AIDO 的模块化和层次化设计有望帮助研究者追踪信号如何从分子一路传递到表型，从而提升结果的可解释性。

此外，AIDO 还面临生物安全和生态协作挑战。能够设计蛋白质或细胞干预方案的 AI，也可能被滥用于生成有害生物设计，因此需要内置安全护栏与拦截机制。另一方面，如此复杂的系统也很难由单一机构独立完成，未来更可能依赖开放协作生态，并通过联邦学习等方式，在保护患者隐私和商业机密的前提下共同训练和迭代。

参考链接：

1.https://arxiv.org/pdf/2412.06993

2.Song, L., Segal, E. & Xing, E. How to build an AI-driven digital organism. Nat Med (2026). https://doi.org/10.1038/s41591-026-04595-0

注：封面/首图由 AI 辅助生成

文章来自于"DeepTech深科技"，作者 "胡莉花"。