KI kartiert Zellbiologie über Arten hinweg

Forschende der Stanford Medicine haben zwei neuartige KI-Modelle entwickelt, die die Zellbiologie artsübergreifend abbilden. Die erste Architektur, Universal Cell Embedding, legte das Fundament für das nachfolgende Modell zweiten Generations, TranscriptFormer. Dieses wurde mit Genexpressionsdaten von 112 Millionen Zellen aus zwölf Arten trainiert, wobei das Spektrum von Einzellern wie Hefe bis hin zum Menschen reicht. Die Ergebnisse der Forschung wurden kürzlich in den Fachzeitschriften Nature und Science veröffentlicht. Das Training funktioniert analog zu großen Sprachmodellen: Die Algorithmen lernen durch die Vorhersage fehlender Werte in Genexpressionsprofilen, wobei sie Evolutionsspannen von 1,53 Milliarden Jahren abdecken. Die Wissenschaftler um den Bioingenieur Stephen Quake, den Informatiker Jure Leskovec sowie Theo Karaletsos von der Chan Zuckerberg Initiative beschreiben das Ergebnis als einen mathematischen Universal Space. In diesem Raum lassen sich Zellen aller Organismen positionieren und ihre strukturellen sowie funktionalen Verwandtschaftsverhältnisse präzise vermessen. Die KI-Systeme ermöglichen es Biologen, komplexe Datensätze zu analysieren, die die menschliche Kapazität zur manuellen Verarbeitung sprengen. Konkrete Anwendungen umfassen die Aufklärung evolutionärer Beziehungen, wie die kürzlich identifizierte Ähnlichkeit schwammartiger Choanozyten mit Neuronen von Fadenwürmern und Fröschen. Gleichzeitig kann TranscriptFormer Zelltypen in nicht trainierten Arten klassifizieren sowie gesunde von erkrankten Zellen unterscheiden. Zudem eröffnet die Technologie langfristig neue Wege für das Design innovativer Zelltherapien, da sie funktionale Zellkonfigurationen simulieren kann, die in der Natur noch nicht existieren. Die Arbeiten markieren nach Ansicht der Autorinnen und Autoren den Beginn eines neuen Forschungsfeldes. Mit Unterstützung von BioHub und weiteren Instituten soll das KI-gestützte Mapping die Grundlagenbiologie nachhaltig transformieren und langjährige Fragen zur zellulären Diversität sowie Krankheitsentstehung beantworten.