企业官网建设流程全解析

诺贝尔奖得主研发的AI尝试模拟完整人类细胞

GenBio‑AI的AIDO‑Cell是款「世界模型」，能够跨尺度模拟人类细胞，覆盖从DNA到细胞形态的各个层面。

#虚拟细胞 #世界模型 #多尺度仿真 #状态记忆 #全细胞模拟 #细胞扰动 #药物研发 #AlphaFold #scGPT #欧盟联合研究中心 #成熟度悖论 #湿实验验证 #基础模型

「想象１款谷歌地球，但观测对象是人类细胞。」AIDO‑Cell项目的１位科学家向STAT News如此描述该系统：放大视图，看到的不再是街道，而是蛋白质、RNA与DNA；敲除某个基因或者添加１种药物，系统就会预测整个细胞环境将如何产生变化。诺奖得主联合创始人！虚拟细胞世界模型

过去10年的大部分时间里，生物学领域的AI十分擅长预测单一生物组分。有的模型预测蛋白质结构，有的评估基因活性高低。2026年8月18日对外发布的AIDO‑Cell，旨在将各个生物组分整合建模，构建成互相关联的系统。就在该模型发布的同１周，欧盟委员会直属科研机构发布了全面评估报告，警示生物学AI的发展速度已经超过保障其可靠性的核查体系建设进度。这一时间节点值得人们深思。

批判性分析

统一共享状态（覆盖DNA至细胞形态）、记录历史干预操作、支持双向仿真（预测药物效果/根据目标效果反向设计药物），这套架构和当前业内主流的单任务工具有着本质区别。倘若基准测评结果属实，能够１次性覆盖５大任务类别，代表极具雄心的技术整合。

GenBio‑AI坦诚说明了多项局限性：结果尚未经过同行评审；测评基准由开发团队自行搭建；第３方报道提到缺少公开的头对头对比统计数据，也没有前瞻性湿实验验证；现阶段仅支持２类癌细胞系仿真。现有文献还提出更深层的担忧：多项研究质疑大型细胞基础模型在扰动预测任务上是否能够稳定优于简单模型。因此，在全新基准上取得「当前最优结果」，并不等同于模型可直接用于实验室工作。

目前最核心、悬而未决的问题是：AIDO‑Cell能否精准预测从未见过的生物学现象，并且预测结果能够被湿实验证实。GenBio‑AI承认该问题，说明湿实验验证工作已经启动，并呼吁学界设立「细胞仿真版CASP」盲测竞赛，正是该竞赛机制让蛋白质结构预测结果获得了科学界信任。在这套独立评测标准落地之前，客观结论只能是：架构前景可观，实际效果尚未得到领域验证。从时间规划来看，GenBio‑AI计划在2026‑2027年间迭代多个新版本；即便未来能够产生临床价值，落地周期也将以年计，而非数月。

专家观点

若要找准AIDO‑Cell的行业定位，可以将其对标AlphaFold。AlphaFold解决了边界清晰的任务：预测蛋白质结构；并且依托CASP外部盲测基准，１次次证明预测结果与真实实验吻合，由此建立行业信任。贝克本人的比喻精准道出２者差异：AlphaFold好比弄懂１栋房屋的构造，而虚拟细胞的目标是模拟整座城市的运行规律。研究范围越广，验证其正确性的难度也就越大。49亿参数×2560万细胞！因果扰动预测

AIDO‑Cell并非赛道里唯一的竞争者。2026年3月，Xaira Therapeutics推出X‑Cell模型，该模型基于2,560万个经过实验扰动的细胞数据训练而成，主要侧重转录响应预测。AlphaGenome等调控基因组学模型、AlphaFold 3等结构预测工具，都在各自细分方向深度钻研。GenBio‑AI宣称自己实现了质的升级，而非简单的性能提升：其他工具深耕单项任务，而该产品主打带状态记忆的仿真系统，扰动效应能够跨生物层级传导。几天后欧盟科研机构发布的报告给出了冷静的制衡观点，提醒资助方与监管机构：科学层面取得创新不等于已经具备现实落地条件。

核心要点

1. GenBio‑AI开发的AIDO‑Cell属于「世界模型」，可跨尺度模拟完整人类细胞并记录每次外界干预，超越AlphaFold这类单任务工具。

2. 根据企业自建的虚拟细胞基准1.0测评结果，模型在31项指标中的24项达到当前最优水平，是唯一覆盖全部５大任务类别的系统。

3. 相关结果尚未经过同行评审，目前仅支持２类癌细胞系，缺少公开的前瞻性实验室验证；现阶段只能视作优秀原型，不能算作最终结论。

4. 同１周欧盟委员会联合研究中心发布独立报告，提出「成熟度悖论」：生物学AI科学进展领先，距离现实落地认证尚有很远距离。

5. 决定性的检验标准：AIDO‑Cell能否在独立湿实验中精准预测未知生物学现象；以及学界是否会推出类似CASP的通用基准用于测评细胞仿真模型。

常见问题

什么是虚拟细胞？

１种计算模型，模拟真实细胞受到药物、基因编辑等外界变化后的行为反应，使科研人员能够先在软件内完成仿真实验，再开展实验室实操。

AIDO‑Cell和AlphaFold有何区别？

AlphaFold预测单个蛋白质的结构；AIDO‑Cell尝试模拟完整细胞，DNA层面或药物带来的改变能够逐级传导至RNA、蛋白质以及细胞整体状态。

文中「状态记忆（stateful）」是什么含义？

仿真细胞可以保存过往操作记录。施加１项扰动后再施加第２项扰动，２次效果会叠加；更加贴近多步骤湿实验，而非单次独立预测。

AIDO‑Cell是否经过同行评审？能否使用？

尚未同行评审；技术报告可按需申请获取。系统目前仅对GenBio‑AI团队与少量内测合作方开放，更大范围的早期访问计划正在筹备当中。

该模型可以设计药物吗？

实现了「上下文分子设计」功能，能够生成靶向预期细胞状态的候选分子。这属于早期科研能力，不等同于经过验证的药物研发管线，内容不可作为医疗建议。

最主要的局限性是什么？

测评结果来自厂商自建基准；仅覆盖２类癌细胞系；尚未完成前瞻性实验室验证；已有独立研究对大型细胞模型能否持续优于简易模型提出疑问。

欧盟这份报告为什么和本次事件相关？

报告给出了同期独立评估，指出生物学AI技术发展速度已经超越评判其可靠性与安全性的配套体系建设；而高性能虚拟细胞模型将会进一步放大这一缺口。

术语表

基础模型Foundation model

使用海量宽泛数据集训练得到的大型AI模型（本文中指生物序列数据），可经过适配完成多项下游任务。

世界模型World model

１类AI系统，保存环境的内部表征，并预判施加动作后环境状态的变化，支持交互式分步仿真。

多尺度Multiscale

同时覆盖多个生物学层级，范围从DNA、RNA、蛋白质直至完整细胞。

状态记忆Stateful

保存过往操作产生的结果，后续干预效果在前序结果之上累积，而非每次重置模型。

扰动Perturbation

人为对细胞施加的改变，例如关闭基因（基因敲除）、添加化合物，用于观测细胞应答。

转录组学Transcriptomics

通过检测RNA产物，测定细胞内部哪些基因处于激活状态以及激活水平。

技术就绪度Technology‑readiness level, TRL

衡量技术距离现实落地部署远近的分级标准，与技术本身科学先进程度相互独立。

CASP

长期运行的蛋白质结构预测独立盲测竞赛；依靠盲测验证，让AlphaFold等模型获得行业信任。

详细总结

思维导图

基础信息

AIDO‑Cell两大核心技术特性

首期可仿真细胞系与演示结果

现存局限性与风险

行业竞品对比

参考

A Nobel Laureate's AI Just Tried to Simulate a Whole Human Cell

https://artificialscience.org/2026/08/ai-virtual-cell-aido-cell/

注：AI辅助创作，如有不当欢迎指出。内容仅供参考，不构成任何建议。