TranscriptFormer: Generative KI kartiert Zellatlas über 1,5 Milliarden Jahre Evolution

Einleitung

In einer bahnbrechenden Studie, die in der Juli-Ausgabe 2026 von Science (Band 393, Ausgabe 6806) veröffentlicht wurde, haben Forscher TranscriptFormer vorgestellt, ein generatives Modell der künstlichen Intelligenz, das einen umfassenden Zellatlas über 1,5 Milliarden Jahre Evolution hinweg erstellen kann. Dieser innovative Ansatz nutzt Deep Learning, um zelluläre Zustände über verschiedene Arten hinweg abzubilden und bietet beispiellose Einblicke in die evolutionären Ursprünge von Zelltypen und Genregulationsnetzwerken.

Was ist TranscriptFormer?

TranscriptFormer ist ein generatives KI-Modell, das entwickelt wurde, um Genexpressionsprofile über eine Vielzahl von Organismen hinweg vorherzusagen und zu rekonstruieren. Durch das Training auf riesigen Datensätzen von Einzelzell-Transkriptomik lernt das Modell die zugrunde liegenden Muster der Genregulation, die über die Evolutionszeit hinweg konserviert oder divergent sind. Das Ergebnis ist ein dynamischer Zellatlas, der nicht nur bekannte Zelltypen katalogisiert, sondern auch ancestrale und intermediäre Zellzustände vorhersagt.

Die Architektur des Modells basiert auf Transformer-Netzwerken, ähnlich denen, die in großen Sprachmodellen wie GPT verwendet werden, jedoch angepasst für biologische Sequenzdaten. Es verarbeitet Genexpressionsdaten als Sprache, wobei das Expressionsniveau jedes Gens einem Wort in einem Satz ähnelt und der zelluläre Kontext die Grammatik liefert. Dies ermöglicht es TranscriptFormer, plausible Expressionsprofile für Zellen zu generieren, die nie experimentell beobachtet wurden, und so Lücken in unserem evolutionären Verständnis zu schließen.

Wichtigste Erkenntnisse

Die Studie zeigt, dass TranscriptFormer Zelltypen von Organismen, die bis zu 1,5 Milliarden Jahre Evolution voneinander getrennt sind, einschließlich Tieren, Pflanzen, Pilzen und Protisten, genau rekonstruieren kann. Das Modell identifiziert Kern-Genregulationsprogramme, die universell konserviert sind, sowie lineagespezifische Innovationen, die zu komplexen Geweben und Organen führten.

Eines der auffälligsten Ergebnisse ist die Vorhersage eines gemeinsamen ancestralen Zelltyps, der wahrscheinlich im letzten eukaryotischen gemeinsamen Vorfahren (LECA) existierte. Dieser hypothetische Zelltyp weist eine Kombination von Merkmalen auf, die in modernen Stammzellen und Immunzellen zu sehen sind, was darauf hindeutet, dass die frühesten Eukaryoten eine primitive Form der Zelldifferenzierung besaßen.

Darüber hinaus zeigt TranscriptFormer, wie bestimmte Genregulationsnetzwerke im Laufe der Evolution umfunktioniert wurden. Beispielsweise weisen Gene, die an der neuronalen Entwicklung bei Tieren beteiligt sind, Ähnlichkeiten mit Genen auf, die Stressreaktionen bei Pflanzen steuern, was auf tiefe evolutionäre Verbindungen zwischen scheinbar unzusammenhängenden biologischen Prozessen hinweist.

Methodik

Die Forscher stellten einen massiven Datensatz von Einzelzell-RNA-Sequenzierungsdaten von über 100 Arten zusammen, die Hauptzweige des eukaryotischen Baums des Lebens repräsentieren. Diese Daten wurden verwendet, um das TranscriptFormer-Modell in einer selbstüberwachten Weise zu trainieren, bei der das Modell lernte, maskierte Genexpressionswerte basierend auf dem umgebenden Kontext vorherzusagen.

Um die Vorhersagen des Modells zu validieren, verglich das Team sie mit experimentell bestimmten Zellatlanten von Arten, die nicht im Trainingssatz enthalten waren. TranscriptFormer erreichte eine hohe Genauigkeit bei der Rekonstruktion bekannter Zelltypen und identifizierte auch neuartige Zellzustände, die später durch gezielte Experimente bestätigt wurden.

Die generativen Fähigkeiten des Modells wurden weiter getestet, indem evolutionäre Szenarien simuliert wurden, wie der Übergang von einzelligem zu mehrzelligem Leben. TranscriptFormer sagte erfolgreich intermediäre Zelltypen voraus, die die Lücke zwischen einzelligen Vorfahren und komplexen mehrzelligen Organismen überbrücken, und bietet einen rechnerischen Rahmen für die Untersuchung evolutionärer Übergänge.

Implikationen für Biologie und Medizin

TranscriptFormer hat weitreichende Implikationen sowohl für die Grundlagenbiologie als auch für die angewandte Medizin. Durch die Bereitstellung einer umfassenden Sicht auf die zelluläre Vielfalt im Laufe der Evolution kann das Modell helfen, konservierte Gene und Signalwege zu identifizieren, die für die Zellfunktion entscheidend sind. Dieses Wissen kann die Entwicklung neuer Therapien für Krankheiten informieren, die mit zellulärer Dysfunktion einhergehen, wie Krebs und degenerative Erkrankungen.

Darüber hinaus ermöglicht die generative Natur von TranscriptFormer Forschern, 'Was-wäre-wenn'-Szenarien zu erkunden, wie eine Zelle auf genetische Störungen oder Umweltveränderungen reagieren könnte. Dies könnte die Wirkstoffforschung beschleunigen, indem Off-Target-Effekte vorhergesagt oder neue Wirkstoffziele identifiziert werden.

Die Studie eröffnet auch neue Wege für die evolutionäre Entwicklungsbiologie (Evo-Devo), indem sie Wissenschaftlern ermöglicht, Hypothesen über den Ursprung von Zelltypen und die genetischen Veränderungen zu testen, die große evolutionäre Innovationen vorangetrieben haben.

Einschränkungen und zukünftige Richtungen

Obwohl TranscriptFormer einen großen Fortschritt darstellt, räumen die Autoren mehrere Einschränkungen ein. Die Vorhersagen des Modells sind nur so gut wie die Trainingsdaten, und Verzerrungen in der Artenrepräsentation oder den experimentellen Bedingungen könnten die Genauigkeit beeinträchtigen. Darüber hinaus berücksichtigt das Modell keine epigenetischen Modifikationen oder posttranskriptionelle Regulation, die wichtige Rollen bei der Zellidentität spielen.

Zukünftige Arbeiten werden sich auf die Integration von Multi-Omics-Daten konzentrieren, einschließlich Chromatinzugänglichkeit und Proteinspiegel, um eine ganzheitlichere Sicht auf zelluläre Zustände zu schaffen. Die Forscher planen auch, den Atlas um weitere Arten zu erweitern, insbesondere solche aus wenig erforschten Zweigen des Baums des Lebens.

Fazit

TranscriptFormer markiert eine neue Ära in der Computerbiologie, in der generative KI die Evolutionsgeschichte von Zellen mit bemerkenswerter Genauigkeit rekonstruieren kann. Indem dieser Zellatlas 1,5 Milliarden Jahre Evolution umspannt, bietet er einen vereinheitlichenden Rahmen für das Verständnis der zellulären Vielfalt und der Prinzipien der Genregulation. Während sich das Modell weiterentwickelt, verspricht es, unser Verständnis der zellulären Grundlagen des Lebens zu transformieren.

Dieser Artikel basiert auf einer Berichterstattung von Science (AAAS). Lesen Sie den Originalartikel.