斯坦福构建人类细胞基础模型:整合多模态生物数据以加速药物发现与个性化治疗
斯坦福大学团队正在开发一种以人为中心的基础模型,旨在模拟人类细胞以加速药物发现和个性化治疗。该模型需克服识别 DNA、RNA、蛋白质序列及科学文献等多模态生物数据的挑战,试图为每位细胞生物学家提供类似 AlphaFold 的生成式工具。
报道正文
自 1665 年罗伯特·胡克(Robert Hooke)发现生命的基本单元以来,科学家们一直梦想着能够模拟人类细胞。随着 AI 从海量生物数据中学习的能力日益增强,这一目标或许触手可及。
斯坦福大学的一个团队正在合作构建一个以人为中心的基础模型,该模型能够模拟人类细胞,从而加速药物发现和疾病的个性化治疗。
“我们并非第一代思考如何建模细胞的科学家,但借助 AI,机遇已焕然一新,”斯坦福大学生物工程与病理学副教授 Emma Lundberg 表示。
想象一下,在服用处方药之前,先在你细胞的数字孪生体上测试实验性药物。患者可以在吞下第一片药丸之前,就了解药物的疗效和副作用。这是一个大胆的愿景,但也伴随着一系列技术挑战。
要成功构建虚拟细胞,团队必须克服几个难题。首先,模型需要识别不同类型的生物数据,包括 DNA/RNA/蛋白质序列、蛋白质结构、细胞图像以及科学文献。它还需要理解不同的生物单元,以及它们如何在不同尺度间相互关联——从分子到细胞,再到组织、器官乃至整个生物体。
其次,虚拟细胞模型需要一个聊天界面,以便生物学家与数据进行交互并上传自己的数据集进行分析。为满足这一需求,团队开发了 Biomni(见下文)。
尽管障碍重重,但如果他们取得成功,将为该领域创造一种宝贵的新工具。“生成式模型在降低实验成本方面是令人惊叹的均衡器。”Lundberg 说道,“例如,AlphaFold [谷歌 DeepMind 推出的开源 AI 系统,可根据氨基酸序列预测蛋白质的三维形状] 近年来实现了结构生物学访问权限的民主化。通过我们的虚拟细胞基础模型,我们希望让全球每一位细胞生物学家都能用上更多这样的生成式工具。”