In der Fachzeitschrift Nature wurde im Juli 2026 eine Studie veröffentlicht, die UCE (Universal Cell Embedding) vorstellt – ein universelles KI-Modell, das in der Lage ist, Zellen verschiedener Organismen ohne zusätzliches Training oder manuelle Annotation in einem einheitlichen Koordinatensystem zu verorten.
Die Entwicklung von Stanford-Forschern unter der Leitung von Yanay Rosen und unter Beteiligung des Tabula-Sapiens-Konsortiums bietet eine neue Methode zur Zusammenführung gewaltiger Einzelzell-Datensätze. Anstelle zahlreicher isolierter Zellatlanten entsteht eine übergreifende Karte, auf der Zellen unterschiedlicher Gewebe und Spezies direkt analysiert und verglichen werden können.
Ein zentrales Problem der modernen Einzelzellbiologie war lange Zeit die Integration von scRNA-seq-Daten. Die Ergebnisse verschiedener Studien lassen sich aufgrund technischer Unterschiede, spezifischer Datenverarbeitung und der evolutionären Distanz zwischen den Organismen oft nur schwer kombinieren. Normalerweise erforderte jeder neue Datensatz eine Anpassung der Algorithmen sowie eine separate Klassifizierung der Zellen.
UCE verfolgt einen anderen Ansatz. Das Modell betrachtet eine Zelle über ihr Genaktivitätsprofil – einen einzigartigen molekularen „Fingerabdruck“. Genetische Informationen werden basierend auf dem Wissen großer Proteinsequenz-Modelle in numerische Repräsentationen umgewandelt, woraufhin eine Transformer-Architektur die verborgenen Zusammenhänge zwischen den Genen unter Berücksichtigung der Genomorganisation analysiert.
Das Hauptmerkmal der Methode ist das Training ohne vordefinierte Zelltyp-Bezeichnungen. Das System erlernt eigenständig die Struktur biologischer Daten, indem es die Genaktivität vorhersagt und interne Gesetzmäßigkeiten zellulärer Zustände identifiziert.
Das Modell wurde an zig Millionen Zellen von acht verschiedenen Spezies trainiert, darunter Mensch, Maus, Zebrabärbling, Makaken, Mausmaki, Schwein und der Afrikanische Krallenfrosch. Auf dieser Grundlage wurde der Integrated Mega-scale Atlas erstellt – ein gewaltiger, einheitlicher Atlas des zellulären Lebens.
In diesem Atlas werden Zellen mit ähnlichen Funktionen unabhängig von der Spezies nebeneinander positioniert. Neuronen, Immunzellen oder andere spezialisierte Zellen behalten ihre biologischen Verbindungen bei, selbst wenn sie durch Millionen von Jahren der Evolution getrennt sind. Darüber hinaus ist UCE in der Lage, Arten zu analysieren, die nicht Teil des Trainingsdatensatzes waren, und dabei bisher verborgene Ähnlichkeiten aufzudecken.
Dieser Ansatz verändert das Verständnis der vergleichenden Biologie grundlegend. Anstatt getrennter Karten für Menschen, Tiere und Modellorganismen entsteht ein universelles Koordinatensystem, das es ermöglicht, Gewebeentwicklung, Krankheiten, Regeneration und Evolution als Teil eines Gesamtbildes zu untersuchen.
Besonders bedeutsam könnte dies für die Erforschung seltener Zelltypen und wenig untersuchter Organismen sein, für die es unmöglich ist, riesige annotierte Datenbanken zu erstellen. Erkenntnisse, die an einer Spezies gewonnen wurden, können potenziell dazu beitragen, Prozesse bei einer anderen besser zu verstehen.
UCE gehört zu einer neuen Generation von KI-Basismodellen in der Biologie. Ähnlich wie große Sprachmodelle durch die Analyse von Milliarden Texten lernen, die Struktur der menschlichen Sprache zu erkennen, lernen solche Systeme, die verborgene Ordnung innerhalb riesiger Mengen biologischer Daten zu finden.
Nur treten hier Gene, Proteine und molekulare Zellzustände an die Stelle von Wörtern. Die künstliche Intelligenz erhält keine fertige Erklärung dafür, was jede Zelle darstellt, sondern erstellt selbstständig eine interne Karte der Beziehungen zwischen ihnen.
Dies läutet eine neue Ära der Computerbiologie ein, in der KI nicht mehr nur ein Analysewerkzeug ist, sondern zu einer Art Übersetzer der komplexen Sprache des Lebens wird, der hilft, Muster zu erkennen, die bei der Untersuchung einzelner Organismen unsichtbar blieben.
UCE offenbart ein tiefer liegendes Prinzip: Hinter der gewaltigen Vielfalt der Lebewesen könnten universelle Regeln der Zellorganisation verborgen sein. Millionen Jahre der Evolution haben unzählige Lebensformen hervorgebracht, doch ihre fundamentalen Zellmechanismen bewahren eine erstaunliche Einheit.
Der offene Zugang zum Modell und seinem Code ermöglicht es Forschern weltweit, das fertige System zu nutzen, neue Daten hinzuzufügen und diese Karte stetig zu erweitern.
So verwandelt sich die Zellbiologie allmählich von einer Sammlung isolierter Atlanten in eine einheitliche, dynamische Karte der lebenden Welt – ein Raum, in dem jede neu entdeckte Zelle dazu beiträgt, das Ganze besser zu verstehen.
