Danasnje tehnologije otvaraju put za buduće medicinske tretmane dok stručnjaci za veštačku inteligenciju, biologi i inženjeri sarađuju na revolucioniranju bioloških istraživanja i liječenja bolesti. Zapaženi napredak je TranscriptFormer, AI model na preklopu AI i ćelijske biologije, koji predstavlja značajan napredak prema tim ciljevima. U intervjuu, računarski biolog Sara Simmonds i istraživač veštačke inteligencije James Pearce razgovaraju o svom radu na TranscriptFormeru. **Trenutni biološki izazov:** Sara Simmonds objašnjava njihov cilj da razumiju svaku ćeliju u ljudskom tijelu na nivou pojedinačne ćelije, proučavajući kako se ćelije razlikuju od jedne oplodnje jajne ćelije u razne tipove poput ćelija mozga ili mišića. James Pearce ističe da iako svaka ćelija sadrži isti DNA, ekspresija gena varira, što čini svaki tip ćelije jedinstvenim – slično načinu na koji se riječi kombinuju u različite rečenice. Njihov cilj je dešifrovati ove “rekcije” ekspresije gena kroz zdrave i oboljele stanje te razne organizme. **Kombinovani pristup:** Njihov multidisciplinarni tim uključuje istraživače veštačke inteligencije, inženjere, biologe, data naučnike i menadžere projekata. Istraživači veštačke inteligencije razvijaju i obučavaju modele, inženjeri podržavaju razvoj i infrastrukturu, dok računarski biologi rade na prikupljanju, obradi i evaluaciji podataka. Prikupili su značajne podatke sa CZ CELLxGENE, platforme CZI za standardizovane podatke pojedinačnih ćelija, koja mjeri nivo ekspresije gena u pojedinačnim ćelijama. **O TranscriptFormeru:** TranscriptFormer je AI model obučen na milione ćelija iz raznih tkiva tokom 12 vrsta koje obuhvataju 1, 5 milijardi godina evolucije. Kreira sažete prikaze opsežnih podataka, generalizirajući prepoznaje obrasce ekspresije gena vezane za tipove ćelija ili stanja bolesti. Za razliku od specijalizovanih modela, TranscriptFormer je dizajniran da bude široko primenjiv u mnogim zadacima. **Sposobnosti i utjecaj:** Model omogućava eksperimente u “virtuelnom svijetu” i generisanje hipoteza, ubrzavajući istraživanja i štedeći vrijeme. Pomaže istraživačima u anotaciji novih skupova podataka o pojedinačnim ćelijama, identifikaciji tipova ćelija, infekcija ili abnormalnosti.

Pored toga, podržava razvoj ćelijskih terapija identifikovanjem transkripcionih faktora koji upravljaju sudbinom ćelija. Jedinstveno, prevodi obrasce ekspresije gena između vrsta, poboljšavajući predviđanja o tome da li nalazi iz modelnih organizama važe i za ljude, čime se smanjuje potreba za nekim laboratorijskim eksperimentima. **Uloga u virtuelnim ćelijskim modelima:** U okviru vizije CZI za virtuelnu ćeliju – sistem modela koji interaguju u univerzalnom prostoru reprezentacije – TranscriptFormer služi kao temeljni model za molekularne podatke pojedinačnih ćelija. Komplementarni modeli mogli bi se fokusirati na druge tipove podataka poput mikroskopske slike, omogućavajući sveobuhvatne uvide u ćelijsku biologiju. **Značaj veštačke inteligencije u biologiji i zdravstvu:** Obuka na širokim podacima više vrsta omogućava TranscriptFormeru da otkriva složene molekularne obrasce koji prevazilaze tradicionalne metode. Pearce poredi zavisnost gena od konteksta sa semantika jezika, primjećujući da transformator-based AI modeli briljiraju kada su obučeni na ogromnim skupovima podataka. Razumijevanje regulacije gena i molekularnih razlika može rasvijetliti biologiju bolesti i olakšati efikasnija otkrića zasnovana na podacima, istovremeno interpretirajući više skupova podataka istovremeno. **Entuzijazam u trenutnim biološkim istraživanjima:** Simmonds predviđa da će veštačka inteligencija postati sveprisutna u nauci, revolucionirajući istraživanja na isti način kao što su internet ili računari. Pearce ističe da transformatorni modeli efikasno obrađuju ogromne količine podataka, prevazilazeći ranije granice. TranscriptFormer tretira pojedinačne gene u ćelijama kao “token-e” slične riječima u jeziku modelima. Ranije je biologija imala nedovoljnu količinu token-a za podatke, ali tehnologije u laboratorijama brzo povećavaju volumen i kvalitet bioloških podataka. Uskoro, biološki podaci bi mogli čak nadmašiti tekstualne podatke na internetu, obećavajući transformativne utjecaje slične onima velikih jezičkih modela na obradу informacija. Saznajte više kako ova dostignuća ubrzavaju biomedicinska istraživanja i mijenjaju naše razumijevanje biologije i ljudskog zdravlja.