في يوليو 2026، نُشرت دراسة في مجلة Nature تقدم نموذج UCE (Universal Cell Embedding)، وهو نموذج ذكاء اصطناعي شامل قادر على وضع خلايا كائنات حية مختلفة في نظام إحداثيات موحد دون الحاجة إلى تدريب إضافي أو تصنيف يدوي.
يقدم هذا الابتكار، الذي طوره باحثون من جامعة ستانفورد بقيادة ياناي روزين وبمشاركة اتحاد Tabula Sapiens، طريقة جديدة لدمج مجموعات ضخمة من بيانات الخلايا المفردة. فبدلاً من وجود العديد من أطالس الخلايا المنفصلة، تظهر خريطة مشتركة يمكن من خلالها تحليل ومقارنة خلايا الأنسجة والأنواع المختلفة بشكل مباشر.
لطالما كانت إحدى المشكلات الرئيسية في بيولوجيا الخلية المفردة الحديثة هي دمج بيانات scRNA-seq. فغالبًا ما يصعب دمج نتائج الدراسات المختلفة بسبب الاختلافات التقنية، وخصوصيات معالجة البيانات، والمسافة التطورية بين الكائنات الحية. وعادةً ما كانت كل عينة جديدة تتطلب ضبط الخوارزميات وتصنيفًا منفصلًا للخلايا.
يقدم نموذج UCE نهجًا مختلفًا؛ إذ ينظر النموذج إلى الخلية من خلال ملف تعريف نشاط جيناتها، وهو «بصمة» جزيئية فريدة. وتتحول المعلومات الوراثية إلى تمثيلات رقمية تعتمد على المعرفة المستمدة من نماذج كبيرة لتسلسلات البروتين، وبعد ذلك تقوم بنية المحولات (Transformer) بتحليل الروابط الخفية بين الجينات مع مراعاة تنظيم الجينوم.
تتمثل السمة الرئيسية لهذه الطريقة في التدريب دون مسميات مسبقة لأنواع الخلايا. فالنظام يدرس بنية البيانات البيولوجية من تلقاء نفسه، ويتعلم التنبؤ بنشاط الجينات والكشف عن الأنماط الداخلية لحالات الخلايا.
تم تدريب النموذج على عشرات الملايين من الخلايا من ثمانية أنواع، بما في ذلك الإنسان، والفأر، وسمك الزرد، والمكاك، والليمور الفأري، والخنزير، وضفدع القيطم الأفريقي. وعلى هذا الأساس، تم إنشاء Integrated Mega-scale Atlas، وهو أطلس موحد واسع النطاق للحياة الخلوية.
في هذا الأطلس، توضع الخلايا ذات الوظائف المتشابهة بجانب بعضها البعض بغض النظر عن نوع الكائن الحي. وتحتفظ الخلايا العصبية أو المناعية أو غيرها من الخلايا المتخصصة بروابطها البيولوجية، حتى لو فصلت بينها ملايين السنين من التطور. علاوة على ذلك، فإن UCE قادر على تحليل أنواع لم تشارك في تدريب النموذج، مما يكشف عن أوجه تشابه كانت خفية في السابق.
يغير هذا النهج مفهوم البيولوجيا المقارنة؛ فبدلاً من خرائط منفصلة للإنسان والحيوانات والكائنات النموذجية، يظهر نظام إحداثيات عالمي يسمح بدراسة تطور الأنسجة والأمراض والتجديد والتطور كأجزاء من صورة واحدة.
قد يصبح هذا الأمر مهمًا بشكل خاص لدراسة أنواع الخلايا النادرة والكائنات الحية القليلة الدراسة، حيث يستحيل جمع قواعد بيانات ضخمة ومصنفة. فالمعلومات التي يتم الحصول عليها من نوع واحد قد تساعد في فهم العمليات لدى نوع آخر.
ينتمي UCE إلى جيل جديد من النماذج التأسيسية للذكاء الاصطناعي في علم الأحياء. وكما تتعلم النماذج اللغوية الكبيرة التعرف على بنية الكلام البشري من خلال تحليل مليارات النصوص، تتعلم هذه الأنظمة العثور على النظام الخفي داخل مجموعات ضخمة من البيانات البيولوجية.
لكن بدلاً من الكلمات، توجد هنا جينات وبروتينات وحالات جزيئية للخلايا. فالذكاء الاصطناعي لا يتلقى تفسيرًا جاهزًا لماهية كل خلية، بل يشكل بنفسه خريطة داخلية للروابط بينها.
يفتح هذا حقبة جديدة في البيولوجيا الحاسوبية، حيث لا يصبح الذكاء الاصطناعي مجرد أداة للتحليل، بل نوعًا من المترجم للغة الحياة المعقدة، مما يساعد في رؤية أنماط يستحيل ملاحظتها عند دراسة كائنات حية منفصلة.
يُظهر UCE مبدأً أعمق: فخلف التنوع الهائل للكائنات الحية قد تكمن قواعد مشتركة للتنظيم الخلوي. لقد خلقت ملايين السنين من التطور أشكالًا لا حصر لها من الحياة، لكن آلياتها الخلوية الأساسية تحتفظ بوحدة مذهلة.
يتيح الوصول المفتوح إلى النموذج وشفرته البرمجية للباحثين في جميع أنحاء العالم استخدام النظام الجاهز، وإضافة بيانات جديدة، وتوسيع هذه الخريطة.
وهكذا، تتحول بيولوجيا الخلية تدريجيًا من مجموعة من الأطالس المنفصلة إلى خريطة ديناميكية موحدة للعالم الحي، وهي مساحة تساعد فيها كل خلية جديدة على فهم الكل بشكل أفضل.
