В исследовании представлена Evolutionary Cell Ontology (ECO) — новая ИИ-нативная формальная среда, построенная на субстрате {Sigma}0, которая решает проблему разрыва между статистической корреляцией и механистическим пониманием в биологических моделях. В отличие от традиционных методов, ECO представляет биологические знания напрямую в виде векторно-кодированных реляционных графов, используя 16 структурных операторов, которые работают одновременно как глифы знаний и тензорные операции. Авторы разработали протокол LSCP (Latent Space Communication Protocol) для интеграции этих графов в остаточные потоки (residual streams) больших языковых моделей, что позволяет проводить аудит биологических знаний внутри нейросетей. В ходе симуляций эволюции семейства глобинов модель достигла точности реконструкции предковых состояний в 82–91%. При моделировании клеточного цикла млекопитающих система успешно воспроизвела два полных осцилляторных цикла с возникновением фазового портрета четырех аттракторов без явного программирования. Исследование показало, что расстояние в эмбеддингах ECO коррелирует с дивергенцией 60 семейств белков (коэффициент Пирсона r = 0.50), превращая непрозрачные фундаментные модели в измеримые и навигационные карты биологического покрытия.