如何构建一个AI驱动的数字生命体 (AIDO)？

时间：2026-08-24 热度： 120

想象一下，你可以在计算机中创建一个"数字孪生"的人类——从DNA双螺旋结构，到蛋白质如何折叠，再到细胞如何通讯，乃至整个器官和身体的运作，全部以数字化形式呈现。你可以在这个虚拟系统上测试新药、模拟基因编辑的后果、预测疾病的发展轨迹，而无需触碰任何一个真实的细胞或实验动物。

这不再是科幻小说。2026年8月13日，Nature Medicine上发表了一篇前瞻性文章中，正式提出了“AI驱动的数字生命体（AI-driven Digital Organism, AIDO）”的宏大构想。这项研究描绘了一条通往“虚拟生物学”时代的清晰路线图。

为什么需要一个“数字生命体”？

生物学是医学、药学、公共卫生和长寿研究的基石。然而，在物理世界中研究生物系统面临三重困境：极其复杂、成本高昂、风险巨大。无论是寻找疾病的遗传标记物、设计靶向药物，还是开发疫苗对抗大流行病，都需要对从分子到细胞、从组织到个体的全尺度生物学有深刻理解。

在传统研发模式下，生物医学研究依赖于湿实验和试错验证，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、后实施”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。生物医学研究能否也拥有属于自己的虚拟试验场？

当前AI生物学模型：进步显著，但远远不够

近年来，AI在生物学领域的应用突飞猛进。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功能设计上取得了惊人成就；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-任务”的孤岛式工具，专注于单一数据模态（如DNA序列或蛋白质结构），未能反映生物学的核心本质——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功能，进而改变细胞行为，最终影响整个器官和个体的健康。任何生物现象——无论是一个分子突变、一个细胞功能异常，还是一场大流行病——都通过这个层级传播。如果不能跨尺度建模，就难以真正理解生命。

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，能够在统一框架内模拟生命系统中的生物、生理和临床过程。

它不是把各种专门的AI模型简单地堆砌在一起，而是要构建一个统一的生物体计算表示——这个表示在经验上与生物学的关联性、层级性和复杂性保持一致。它能够模拟真实生物系统如何响应相互作用、干预和扰动，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应

模拟能力：模拟遗传操作、药物干预、环境变化对生物系统的影响

编程能力：在虚拟系统中设计和测试新的生物分子、调控网络，加速合成生物学和新型疗法开发

演化能力：在计算机中模拟进化过程，让虚拟分子或系统经受选择压力，优化生物功能

图2 AIDO是一个集成的多尺度的生物基础模型系统

如何构建AIDO：三阶段路线图

第一阶段：分而治之——构建各模态的基础模块

针对DNA、RNA、蛋白质、细胞、组织等不同生物尺度和数据类型，分别训练专业化的基础模型。作者强调，不能简单套用自然语言处理的Transformer架构，而需要开发等变模型、稀疏层级架构等新型设计。

第二阶段：连接各点——跨模态与跨尺度整合

文章提出了三个关键整合原则：

・生物序列标记语言模型

将DNA、RNA、蛋白质的注释信息（如编码区、调控元件、功能域）直接嵌入，让模型“理解”中心法则，捕获从基因型到表型的信息流。

・多维位置编码

生物学天然是多维的——序列有进化上的多重比对，蛋白质有三维结构，细胞在组织中有空间位置。二维甚至更高维的位置编码能让模型同时沿多个轴学习，揭示进化约束和空间协调。

・可微计算图

利用图神经网络构建跨层级的信息传递通道。分子水平的嵌入可以向上传递影响细胞模型，而细胞水平的约束也可以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——跨尺度对齐与联合优化

将各模块整合成一个统一的、可联合优化的计算系统。高阶模型构建在低阶模块之上，形成向量化的可微连接，允许信息双向传播。通过联合优化跨尺度的多个预测和生成任务，系统将分子、细胞、表型水平的表示对齐到一个统一的潜在空间。

图3 AIDO的三阶段路线图

AIDO用于代谢疾病：从模型适应到靶点发现和药物设计

AIDO的一个核心承诺不仅仅是再现已知的生物学，而是加速整个治疗开发周期。代谢疾病提供了一个说明性示例。从跨分子、细胞和表型数据预训练的通用AIDO开始，系统首先可以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，以及包含血脂测量和心血管结局的群体队列，进一步将系统特化于胆固醇代谢和心血管代谢疾病。

❶ 验证已知机制：先用他汀类药物进行测试——系统能否正确识别HMGCR为靶点？能否预测阿托伐他汀与HMGCR的相互作用？能否模拟通路抑制对胆固醇代谢的下游效应？

❷ 发现新靶点：在胆固醇调控网络中搜索新的干预点，优先考虑那些在分子、细胞、生物体多个层面都有积极效应的靶点。

❸设计新分子：针对优先靶点，利用分子生成模型设计候选小分子或生物制剂，探索实验方法难以穷尽的设计空间。

❹模拟多尺度效应：在数字生命体内部完整评估候选药物的效应——从靶点结合、分子通路调控、细胞功能变化、到组织器官水平生理效应和系统风险。

❺ 预测患者结局：结合电子健康记录和纵向队列数据，预测不同患者的疗效和安全性，指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 → 分子和干预措施设计 → 多尺度模拟（分子→相互作用组→细胞→组织/器官→患者）→ 实验验证 → 模型精炼。整个流程中，只有最后一步才进入实验室验证——实验成本大幅降低，研发效率质的飞跃。

挑战与考量

当然，构建AIDO面临重大挑战：

数据层面

生物数据高度异质，存在批次效应、缺失数据、人口代表性不均等问题。需要系统性的数据协调、标准化和偏差校正。

基准评估

需要建立覆盖多尺度的标准化评测体系，目标不是追求单一指标，而是让各模块的预测精度逐步逼近实验测量的内在不确定性。

可解释性

应用要求理解“为什么”。AIDO的模块化设计天然提供了“级联式解释”的能力——高层预测可以附带跨分子、细胞、组织层级的中间结果，形成机理假设。

安全与伦理

能够生成致病序列或毒性分子的能力，既是工具也是风险。需要在系统中内置“防护栏”，借鉴大语言模型的对齐经验，检测并拒绝有害请求。

原文链接：https://www.nature.com/articles/s41591-026-04595-0

单细胞促销活动