Les tecnologies actuals obren un camí perquè els tractaments mèdics del futur siguin possibles, ja que experts en IA, biòlegs i enginyers col·laboren per revolucionar la recerca biològica i el tractament de malalties. Un avenç notable és TranscriptFormer, un model d'IA situat a l'intersecció de la intel·ligència artificial i la biologia cel·lular, que representa un revulsiu important en aquesta direcció. En una entrevista, la biòloga computacional Sara Simmonds i l’investigador d’IA James Pearce parlen sobre la seva feina amb TranscriptFormer. **Reptes biològics actuals:** Sara Simmonds explica que la seva fita és entendre cada cèl·lula del cos humà amb resolució d’única cèl·lula, estudiant com les cèl·lules es diferencien d’un únic òvul fertilitzat fins a diferents tipus com cèl·lules cerebrals o musculars. James Pearce destaca que, tot i que cada cèl·lula conté el mateix ADN, l’expressió gènica varia, fent que cada tipus de cèl·lula sigui únic, similar a com les paraules formen diferents frases. El seu objectiu és descodificar aquestes “frases” d’expressió gènica en estats sans i malalts, així com en diversos organismes. **Enfocament col·laboratiu:** El seu equip multidisciplinari inclou investigadors en IA, enginyers, biòlegs, científics de dades i gestors de programes. Els investigadors en IA dissenyen i entrenen models, els enginyers donen suport al desenvolupament i a la infraestructura, mentre que els biòlegs computacionals s’ocupen de recollir, processar i avaluar dades. Van seleccionar dades rellevants de CZ CELLxGENE, la plataforma de CZI per a dades de cèl·lules individuals estàndard, que mesura els nivells d’expressió gènica en cèl·lules individuals. **Sobre TranscriptFormer:** TranscriptFormer és un model d’IA entrenat amb milions de cèl·lules de diversesTissos, de 12 espècies que abasten 1, 5 mil milions d’anys d’evolució. Crea representacions concises de grans volums de dades, generalitzant per identificar patrons d’expressió gènica associats a tipus cel·lulars o estats de malaltia. A diferència de models especialitzats, TranscriptFormer està dissenyat per aplicar-se àmpliament en moltes tasques. **Capacitats i impacte:** El model permet realitzar experiments “in silico” i generar hipòtesis, accelerant la recerca i estalviant temps. Ajuda els investigadors a anotar nous conjunts de dades de cèl·lules individuals, identificant tipus cel·lulars, infeccions o anomalies.

A més, simplifica el desenvolupament de teràpies cel·lulars indicant factors de transcripció que determinen el destinament de les cèl·lules. De manera única, tradueix patrons d’expressió gènica entre espècies, millorant la predicció sobre si descobriments en organismes model són aplicables a humans, i pot reduir la necessitat d’alguns experiments de laboratori. **Paper en models cel·lulars virtuals:** En la visió de la CZI d’una cèl·lula virtual, un sistema de models que interactuen en un espai de representació universal, el TranscriptFormer serveix com a model fonamental per a dades moleculars de cèl·lules individuals. Models complementaris podrien enfocar-se en altres tipus de dades com la microscòpia, permetent aprofundiments globals en la biologia cel·lular. **Importància de l’IA en biologia i salut:** L’entrenament amb dades de múltiples espècies permet que el TranscriptFormer desvetlli patrons moleculars complexos més enllà dels mètodes tradicionals. Pearce compara la dependència del context genètic amb la semàntica del llenguatge, assenyalant que els models d’IA basats en transformers excel·leixen quan s’entrenen amb grans volums de dades. Entendre la regulació gènica i les diferències mol·leculars pot il·luminar aspectes de la biologia de les malalties i facilitar descobriments més eficients a partir de la interpretació de múltiples conjunts de dades de manera simultània. **Emoció en la recerca biològica actual:** Simmonds preveu que l’IA serà omnipresent en la ciència, revolucionant la investigació com ho van fer Internet o els ordinadors. Pearce destaca que els models basats en transformers gestionen dades immenses amb eficàcia, superant limitacions anteriors. El TranscriptFormer tracta els gens individuals com a “tokens”, semblants a paraules en models de llenguatge. Abans, la biologia no disposava de prou tokens, però les noves tecnologies de laborator estan augmentant ràpidament el volum i la qualitat de les dades biològiques. És possible que aviat la quantitat de dades biològiques superi la de textos a Internet, amb un impacte similar al que han tingut els grans models de llenguatge en el processament de la informació. Apreneu com aquests avenços estan accelerant la recerca biomèdica i transformant la nostra comprensió de la biologia i la salut humana.