Pada Juli 2026, jurnal Nature menerbitkan sebuah penelitian yang memperkenalkan UCE (Universal Cell Embedding) — model kecerdasan buatan universal yang mampu memetakan sel-sel dari berbagai organisme ke dalam satu sistem koordinat tanpa memerlukan pelatihan tambahan maupun pelabelan manual.
Dikembangkan oleh para peneliti di Stanford di bawah pimpinan Yanai Rosen dengan kontribusi dari konsorsium Tabula Sapiens, metode ini menawarkan cara baru untuk menyatukan kumpulan data sel tunggal yang masif. Alih-alih menggunakan banyak atlas sel yang terpisah, kini tersedia peta umum di mana sel-sel dari berbagai jaringan dan spesies dapat dianalisis dan dibandingkan secara langsung.
Salah satu tantangan utama dalam biologi sel tunggal selama ini adalah integrasi data scRNA-seq. Hasil dari berbagai penelitian sering kali sulit disatukan karena perbedaan teknis, variasi pemrosesan data, serta jarak evolusi antar organisme. Biasanya, setiap sampel baru memerlukan penyesuaian algoritma dan klasifikasi sel secara terpisah.
UCE menawarkan pendekatan yang berbeda. Model ini memandang sel melalui profil aktivitas gennya — sebuah "sidik jari" molekuler yang unik. Informasi genetik diubah menjadi representasi numerik berdasarkan pengetahuan dari model besar urutan protein, yang kemudian dianalisis oleh arsitektur transformer untuk menemukan hubungan tersembunyi antar gen dengan mempertimbangkan organisasi genom.
Fitur utama dari metode ini adalah pelatihan tanpa label tipe sel yang ditentukan sebelumnya. Sistem ini mempelajari struktur data biologis secara mandiri, belajar memprediksi aktivitas gen, serta mengidentifikasi pola internal dari kondisi seluler.
Model ini dilatih menggunakan puluhan juta sel dari delapan spesies, termasuk manusia, mencit, ikan zebra, makaka, lemur tikus, babi, dan katak bercakar Afrika. Berdasarkan data tersebut, terciptalah Integrated Mega-scale Atlas — sebuah atlas terpadu berskala besar bagi kehidupan seluler.
Dalam atlas ini, sel-sel dengan fungsi serupa ditempatkan berdekatan tanpa memandang jenis organismenya. Neuron, sel imun, atau sel khusus lainnya tetap mempertahankan keterkaitan biologisnya, meskipun terpisah oleh jutaan tahun evolusi. Terlebih lagi, UCE mampu menganalisis spesies yang tidak termasuk dalam data pelatihan awal dan menemukan kemiripan yang sebelumnya tidak terdeteksi.
Pendekatan ini mengubah paradigma biologi komparatif. Sebagai pengganti peta terpisah untuk manusia, hewan, dan organisme model, kini hadir sistem koordinat universal yang memungkinkan pengamatan perkembangan jaringan, penyakit, regenerasi, dan evolusi sebagai satu kesatuan gambar yang utuh.
Hal ini menjadi sangat krusial bagi penelitian jenis sel langka dan organisme yang kurang dipelajari, di mana pengumpulan basis data berlabel dalam jumlah besar mustahil dilakukan. Informasi yang diperoleh dari satu spesies kini berpotensi membantu pemahaman proses pada spesies lainnya.
UCE termasuk dalam generasi baru model dasar kecerdasan buatan di bidang biologi. Serupa dengan model bahasa besar yang belajar mengenali struktur tutur manusia melalui analisis miliaran teks, sistem seperti ini belajar menemukan keteraturan tersembunyi di dalam timbunan data biologis yang masif.
Hanya saja, di sini kata-katanya digantikan oleh gen, protein, dan kondisi molekuler sel. Kecerdasan buatan tidak menerima penjelasan jadi tentang identitas setiap sel, melainkan membentuk peta hubungan internal di antara mereka secara mandiri.
Hal ini membuka era baru dalam biologi komputasi, di mana AI tidak sekadar menjadi alat analisis, tetapi bertindak sebagai penerjemah bahasa kehidupan yang kompleks — membantu kita melihat pola yang mustahil disadari saat mempelajari organisme secara terpisah.
UCE menunjukkan prinsip yang lebih mendalam: di balik keragaman makhluk hidup yang luar biasa, mungkin terdapat aturan umum organisasi seluler yang tersembunyi. Evolusi selama jutaan tahun telah menciptakan bentuk kehidupan yang tak terhitung jumlahnya, namun mekanisme seluler fundamental mereka tetap mempertahankan kesatuan yang menakjubkan.
Akses terbuka terhadap model dan kodenya memungkinkan para peneliti di seluruh dunia untuk menggunakan sistem yang sudah jadi ini, menambahkan data baru, dan memperluas cakupan peta tersebut.
Dengan demikian, biologi sel secara bertahap bertransformasi dari sekadar koleksi atlas yang terpisah menjadi satu peta dinamis dunia yang hidup — sebuah ruang di mana setiap sel baru membantu kita memahami keseluruhan kehidupan dengan lebih baik.
