Stanford publie TranscriptFormer, IA de mapping cellulaire

Des chercheurs de l’Université Stanford, en collaboration avec le Chan Zuckerberg Initiative et BioHub, ont développé deux nouveaux modèles d’intelligence artificielle capables de cartographier la biologie cellulaire à travers les espèces. La première approche, nommée universal cell embedding, a servi de base au modèle de seconde génération baptisé TranscriptFormer. Ce dernier a été entraîné sur les profils d’expression génique de 112 millions de cellules issues de douze espèces différentes, de la levure unicellulaire à l’être humain, couvrant ainsi 1,53 milliard d’années d’évolution. Inspiré du fonctionnement des grands modèles de langage, TranscriptFormer ne traite pas de mots mais de valeurs biologiques. En apprenant à prédire les expressions géniques manquantes, il génère un espace mathématique unifié où toutes les cellules peuvent être positionnées et comparées. Cette méthode permet de dépasser les limites de l’analyse humaine face à des volumes de données considérables. Les travaux, publiés récemment dans les revues Nature et Science, ouvrent plusieurs perspectives majeures. Premièrement, ils éclairent l’évolution cellulaire. Par exemple, le modèle a révélé que les choanocytes des éponges de mer partagent une signature génique proche des neurones chez les vers ronds et les grenouilles, tandis qu’une cellule dite neuroides ressemble davantage à une glande de grenouille, suggérant un rôle digestif plutôt que nerveux. Deuxièmement, TranscriptFormer peut identifier des types cellulaires dans des espèces non vues pendant l’entraînement. Enfin, il distingue les profils d’expression de cellules saines et malades, ce qui pourrait à terme guider la conception de thérapies cellulaires innovantes ou même modéliser des cellules fonctionnelles inconnues à ce jour. Stephen Quake, professeur de bioingénierie à Stanford et co-auteur principal, souligne que ces publications marquent le début d’un nouveau champ de recherche. L’outil est conçu pour assister les biologistes dans l’exploration de systèmes complexes, en transformant des données brutes en connaissances actionnables. Avec la contribution de chercheurs du Chan Zuckerberg Initiative et de BioHub, cette avancée positionne l’intelligence artificielle comme un levier essentiel pour décrypter le vivant et accélérer la découverte biomédicale.