У липні 2026 року в журналі Nature було опубліковано дослідження, що презентує UCE (Universal Cell Embedding) — універсальну модель штучного інтелекту, здатну впорядковувати клітини різних організмів у єдиній системі координат без додаткового навчання чи ручної розмітки.
Розробка дослідників зі Стенфорда під керівництвом Яная Розена за участю консорціуму Tabula Sapiens пропонує новий спосіб об'єднання величезних масивів даних про поодинокі клітини. Замість безлічі окремих клітинних атласів з'являється загальна карта, де клітини різних тканин і видів можна аналізувати та порівнювати безпосередньо.
Однією з головних проблем сучасної одноклітинної біології тривалий час залишалася інтеграція даних scRNA-seq. Результати різних досліджень часто складно об'єднувати через технічні відмінності, особливості обробки даних та еволюційну відстань між організмами. Зазвичай кожна нова вибірка вимагала індивідуального налаштування алгоритмів та окремої класифікації клітин.
UCE пропонує інший підхід. Модель розглядає клітину через її профіль активності генів — унікальний молекулярний «відбиток». Генетична інформація перетворюється на числові представлення на основі знань великих моделей білкових послідовностей, після чого архітектура трансформера аналізує приховані зв'язки між генами з урахуванням організації геному.
Головна особливість методу — навчання без заздалегідь заданих назв клітинних типів. Система самостійно вивчає структуру біологічних даних, навчаючись передбачати активність генів і виявляти внутрішні закономірності клітинних станів.
Модель була навчена на десятках мільйонів клітин із восьми видів, включаючи людину, мишу, рибку даніо-реріо, макаку, мишачого лемура, свиню та африканську шпорцеву жабу. На цій основі було створено Integrated Mega-scale Atlas — масштабний єдиний атлас клітинного життя.
У цьому атласі клітини зі схожими функціями розташовуються поруч незалежно від виду організму. Нейрони, імунні чи інші спеціалізовані клітини зберігають свої біологічні зв'язки, навіть якщо їх розділяють мільйони років еволюції. Більше того, UCE здатна аналізувати види, які не брали участі у навчанні моделі, виявляючи раніше приховані подібності.
Цей підхід змінює уявлення про порівняльну біологію. Замість окремих карт людини, тварин і модельних організмів з'являється універсальна система координат, що дозволяє вивчати розвиток тканин, хвороби, регенерацію та еволюцію як елементи єдиної картини.
Особливо важливим це може стати для дослідження рідкісних типів клітин і маловивчених організмів, де неможливо зібрати величезні розмічені бази даних. Інформація, отримана на одному виді, потенційно може допомагати розуміти процеси в іншого.
UCE належить до нового покоління фундаментальних моделей штучного інтелекту в біології. Подібно до того, як великі мовні моделі вчаться розпізнавати структуру людської мови, аналізуючи мільярди текстів, такі системи вчаться знаходити прихований порядок усередині величезних масивів біологічних даних.
Тільки замість слів тут — гени, білки та молекулярні стани клітин. Штучний інтелект не отримує готового пояснення, чим є кожна клітина, а самостійно формує внутрішню карту зв'язків між ними.
Це відкриває нову епоху обчислювальної біології, де ШІ стає не просто інструментом аналізу, а своєрідним перекладачем складної мови життя — допомагаючи побачити закономірності, які неможливо помітити при вивченні окремих організмів.
UCE демонструє глибший принцип: за величезною різноманітністю живих істот можуть ховатися спільні правила клітинної організації. Мільйони років еволюції створили незліченні форми життя, але їхні фундаментальні клітинні механізми зберігають дивовижну єдність.
Відкритий доступ до моделі та її коду дозволяє дослідникам з усього світу використовувати готову систему, додавати нові дані та розширювати цю мапу.
Так клітинна біологія поступово перетворюється з колекції окремих атласів на єдину динамічну карту живого світу — простір, де кожна нова клітина допомагає краще зрозуміти ціле.
