In juli 2026 verscheen in het tijdschrift Nature een onderzoek naar UCE (Universal Cell Embedding) — een universeel AI-model dat cellen van uiteenlopende organismen in één enkel coördinatenstelsel plaatst zonder dat daar extra training of handmatige annotatie voor nodig is.
Dit project van Stanford-onderzoekers onder leiding van Yanay Rosen, in samenwerking met het Tabula Sapiens-consortium, introduceert een nieuwe methode om enorme hoeveelheden gegevens van individuele cellen samen te voegen. In plaats van talloze afzonderlijke celatlassen ontstaat er nu één overkoepelende kaart, waarop cellen uit verschillende weefsels en diersoorten rechtstreeks met elkaar vergeleken en geanalyseerd kunnen worden.
De integratie van scRNA-seq-gegevens was lange tijd een van de grootste uitdagingen in de moderne eencellige biologie. Vanwege technische verschillen, uiteenlopende verwerkingsmethoden en de evolutionaire afstand tussen organismen zijn resultaten uit verschillende studies vaak lastig te combineren. Voorheen vereiste elke nieuwe dataset meestal specifieke aanpassingen van algoritmen en een afzonderlijke classificatie van de cellen.
UCE hanteert een fundamenteel andere benadering door een cel te bekijken via zijn genactiviteitsprofiel, een soort unieke moleculaire "vingerafdruk". Genetische informatie wordt omgezet in numerieke representaties op basis van kennis uit grote modellen voor eiwitsequenties, waarna een transformer-architectuur de verborgen relaties tussen genen analyseert binnen de context van de genoomorganisatie.
Het meest kenmerkende aan deze methode is dat er getraind wordt zonder vooraf vastgestelde namen voor celtypen. Het systeem verkent zelfstandig de structuur van biologische data en leert zo genactiviteit te voorspellen en de interne patronen van celtoestanden te herkennen.
Het model is getraind op tientallen miljoenen cellen van acht verschillende soorten, waaronder de mens, de muis, de zebravis, makaken, de dwergmuismaki, het varken en de klauwkikker. Op basis hiervan is de Integrated Mega-scale Atlas ontwikkeld, een omvangrijke en uniforme atlas van het cellulaire leven.
In deze atlas worden cellen met vergelijkbare functies bij elkaar geplaatst, ongeacht de diersoort. Neuronen, immuuncellen en andere gespecialiseerde cellen behouden hun biologische samenhang, zelfs als ze door miljoenen jaren evolutie van elkaar gescheiden zijn. Bovendien kan UCE soorten analyseren die niet in de trainingsfase zijn meegenomen, waardoor voorheen onzichtbare overeenkomsten aan het licht komen.
Deze aanpak transformeert de vergelijkende biologie ingrijpend. In plaats van losse kaarten voor mensen, dieren en modelorganismen ontstaat er een universeel referentiekader waarmee weefselontwikkeling, ziekten, regeneratie en evolutie als onderdelen van één samenhangend geheel bestudeerd kunnen worden.
Dit is met name waardevol voor het onderzoek naar zeldzame celtypen en minder bekende organismen, waarvoor het onmogelijk is om enorme gelabelde databases aan te leggen. Kennis die is opgedaan bij de ene soort kan potentieel helpen om biologische processen bij een andere soort beter te begrijpen.
UCE behoort tot een nieuwe generatie fundamentele AI-modellen binnen de biologie. Net zoals grote taalmodellen de structuur van menselijke taal leren herkennen door miljarden teksten te analyseren, leren deze systemen de verborgen orde te vinden binnen gigantische hoeveelheden biologische data.
In dit geval zijn het geen woorden, maar genen, eiwitten en de moleculaire toestanden van cellen. De kunstmatige intelligentie krijgt geen kant-en-klare uitleg over wat elke cel precies is, maar bouwt zelfstandig een interne kaart op van de onderlinge verbanden.
Dit luidt een nieuw tijdperk in voor de computationele biologie, waarin AI niet langer slechts een analyse-instrument is, maar fungeert als een vertaler van de complexe taal van het leven — een hulpmiddel dat patronen zichtbaar maakt die bij de bestudering van afzonderlijke organismen onopgemerkt zouden blijven.
UCE legt een dieperliggend principe bloot: achter de enorme diversiteit aan levende wezens kunnen universele regels voor cellulaire organisatie schuilgaan. Miljoenen jaren evolutie hebben weliswaar talloze levensvormen voortgebracht, maar de fundamentele cellulaire mechanismen vertonen een verbazingwekkende eenheid.
Dankzij de openbare toegang tot het model en de bijbehorende code kunnen onderzoekers wereldwijd het systeem direct gebruiken, nieuwe gegevens toevoegen en de kaart verder uitbreiden.
Zo transformeert de celbiologie geleidelijk van een verzameling losse atlassen naar één dynamische kaart van de levende wereld — een gedeelde ruimte waarin elke nieuwe cel bijdraagt aan een beter begrip van het geheel.
