GenBio veut simuler une cellule entière avec son modèle AIDO Cell

GenBio AI, startup basée à Palo Alto, a annoncé le 18 août 2026 AIDO Cell, un modèle d’IA présenté comme une « virtual cell » capable de simuler une cellule humaine dans son état naturel et face à des perturbations successives. L’enjeu est clair : mieux tester des hypothèses biologiques et des médicaments avant de passer au laboratoire, avec une lecture de la cellule du DNA jusqu’au comportement global. Le système reste toutefois une démonstration initiale, pas une cellule numérique déjà fiabilisée pour tout faire.

Une cellule “world model”, et pas seulement un gros modèle de plus

GenBio décrit AIDO Cell comme un « world model » de la cellule, c’est-à-dire un système qui essaie d’intégrer plusieurs couches biologiques dans une même logique de simulation. La société dit viser une couverture complète de la hiérarchie biologique, du DNA et de l’RNA aux protéines, puis au niveau cellule entière. Dans ce contexte, l’intérêt n’est pas de remplacer la biologie expérimentale, mais de réduire l’écart entre observation, prédiction et intervention.

La comparaison avec les grands modèles de fondation en biologie éclaire la démarche. Des outils comme AlphaFold ont déjà montré qu’une tâche biologique bien délimitée pouvait être traitée à grande échelle, mais ils ne couvrent qu’une petite partie du vivant. AIDO Cell s’inscrit dans une autre logique : faire coopérer plusieurs modèles spécialisés dans un système plus large, avec des allers-retours entre échelles biologiques. C’est ambitieux. Et, en biologie, le mot ne manque jamais de raisons d’être prudent.

Comment GenBio dit construire ce modèle

Dans une Perspective publiée dans Nature Medicine, trois cofondateurs — Eric Xing, Eran Segal et Le Song — décrivent une construction en trois étapes. D’abord, des modèles de fondation solides pour chaque modalité biologique. Ensuite, des mécanismes pour relier ces modalités entre elles et entre les échelles. Enfin, un alignement global pour que l’ensemble se comporte comme un système cohérent.

GenBio dit vouloir agréger des séquences, des structures, des voies biologiques, des données de transcriptomique, de métabolomique, d’imagerie, ainsi que des mesures spatiales et longitudinales. Le point clé, selon la société, est la rétroaction : les prédictions à un niveau supérieur doivent pouvoir corriger ce qui se passe aux niveaux moléculaire et cellulaire. Sans cela, une petite erreur au départ peut grossir à chaque étage, jusqu’à fausser le résultat final.

Le cofondateur et CTO Le Song résume cette idée en parlant d’un système qui évite de traiter la biologie comme une chaîne de prédictions à sens unique. « A key part of AIDO’s design is to avoid treating biology as a one-way chain of predictions, where a small error at the molecular level could become a much larger error by the time you reach the cell or patient level, » a-t-il déclaré. La formule sonne presque comme une mise en garde contre l’effet boule de neige.

Des premiers tests sur deux lignées cellulaires connues

Pour l’instant, AIDO Cell reste limité à deux lignées cellulaires humaines très utilisées en recherche biomédicale : K562, issue d’un patient atteint de leucémie myéloïde chronique, et HepG2, dérivée d’une tumeur du foie. GenBio précise que le système est encore précoce et le présente comme une preview, ainsi qu’une première démonstration fonctionnelle. D’autres types cellulaires sont annoncés en développement.

La société dit avoir testé le modèle sur l’imatinib, un médicament utilisé contre certaines leucémies, afin d’en reproduire le mécanisme d’action à plusieurs niveaux de la biologie cellulaire. Cette validation reste une étape initiale, mais elle compte : si le système maintient ce niveau de cohérence sur d’autres composés, il pourrait servir de banc d’essai virtuel pour écarter plus tôt les molécules faibles et concentrer les expériences sur les candidates les plus crédibles.

Ce que GenBio cherche aussi à changer dans la recherche

Au-delà du dépistage de médicaments, GenBio mise sur un usage plus large en recherche fondamentale. L’idée est de perturber virtuellement des gènes, des protéines ou des voies biologiques, puis de suivre les conséquences prédites à plusieurs niveaux. Cela pourrait accélérer la formulation d’hypothèses, surtout dans des domaines où les essais en laboratoire prennent du temps et coûtent cher.

La société veut également ouvrir un programme d’accès anticipé pour des partenaires académiques, en biotech et en pharma, avec une logique moins fermée que celle de certains concurrents. Emma Lundberg, professeure à Stanford et co-directrice du Human Protein Atlas, affirme : « We’ve not only built a virtual cell model, we’ve also built an AI that can rapidly build a tailored virtual cell for your question, on your data. Bring your data, and we’ll build it for you. »

Reste la question centrale : la précision réelle du système et sa capacité à tenir quand on passe d’un jeu de données à l’autre, puis d’une cellule à une autre. C’est là que la promesse se joue. Pour la recherche biomédicale, un modèle qui rapproche simulation et expérience pourrait faire gagner du temps, mais aussi imposer de nouveaux standards de validation. Et, comme souvent avec la biologie assistée par IA, le plus difficile n’est pas de promettre une cellule virtuelle ; c’est de la faire tomber juste.