הארת מצבי תאים בעזרת מודל יסוד יחיד-תאי מקיף וניתן לפרשנות

מדוע מפות תאים חכמות חשובות

כל רקמה בגופך היא עיר שוקקת של תאים, כל אחד עם תפקיד וסיפור חיים משלו. כלים מודרניים יכולים לקרוא את הפעילות של אלפי גנים במיליוני תאים בודדים, אך מבול המידע הזה עמוס, מרוחק וחסר פרשנות פשוטה. מאמר זה מציג את CellVQ, מודל בינה מלאכותית חדש שמטרתו להפוך את המדידות המסובכות הללו למפות ברורות, מובנות לבני אדם של סוגי תאים, מצבי תאים ותגובותיהם לתרופות ושינויים גנטיים.

דרך חדשה לקרוא תאים בודדים

המחברים מתחילים מרעיון פשוט: כדי להבין בריאות ומחלה, אנחנו צריכים "שפה" מהימנה לתיאור המצב של כל תא. מודלים קיימים המאומנים על נתוני תא-יחיד חזקים, אך נתקלים בשלוש בעיות מעשיות. ראשית, רוב המדידות נדירות מאד, עם הרבה גנים שנראים כסתומים. שנית, מעבדות ושיטות שונות מייצרות נתונים בסקאלות שונות, מה שמקשה על השוואה. שלישית, פעולת המודלים פעמים רבות אינה שקופה, מה שמגבילה את שימושיותם עבור ביולוגים שרוצים הסברים ברורים, לא רק תחזיות.

הפיכת פעילות תאים לקוד תאי שניתן להשתמש בו מחדש

CellVQ מתמודד עם הבעיות הללו באמצעות מודל גדול שאומן על 68 מיליון תאים ולומד "קוד תאי" קומפקטי לכל תא. במקום לייצג כל תא כרשימה ארוכה של מספרים גולמיים, CellVQ מעביר דפוסי פעילות גנים דרך מקודד ומודול דיסקרטיזציה יחיד-תאי מיוחד. המודול הזה מקבץ דפוסים דומים לקודים משותפים, כך שתאים מניסויים שונים שמתנהגים באופן דומה מקבלים קודים קרובים. במקביל, מפענח לומד לשחזר פעילות גנים חסרה באמצעות מודל סטטיסטי המותאם לנתונים עם הרבה אפסים. אסטרטגיית האימון הזו עוזרת למערכת להתמודד עם מדידות דלות תוך כדי תפיסת יחסים משמעותיים בין גנים.

מעיבוד גולמי לתחזיות שימושיות

לאחר האימון, CellVQ ניתן ליישום למשימות רבות ללא כוונון נוסף. המודל מפריד סוגי תאים בצורה נקייה יותר מאשר שיטות מתחרות, מה שמוביל לאשכולות חדים יותר ולתיוג אוטומטי מדויק יותר של זהויות תאים. הוא גם חוזה תכונות מעשיות כמו רקמת מקור, גיל, מין ומצב מחלה טוב יותר מגישות קודמות. באופן מרשים, הייצוגים האלו עובדים היטב גם על דגימות בעלות ממוצע של תאים (bulk), ומשפרים ביצועים בחיזוי תגובת תאי סרטן לתרופות שונות ובניבוי רגישות של מטופלים או קווי תאים לטיפולים ספציפיים.

גילוי כיצד גנים ותרופות מעצבים תאים

המחקר בוחן גם האם CellVQ לוכד יחסי סיבה ותוצאה כאשר גנים או תרופות מוגררים. באמצעות מערכי נתונים שבהם כבים גנים בודדים או משנים שילובים, CellVQ מסייע לחזות כיצד שאר הגנום מגיב ברזולוציית תא-יחיד, לעתים תואם או עולה על מודלים מתמחים. עבור חשיפות לתרופות, המחברים משלבים את ייצוגי הגנים של CellVQ עם מודל נפרד הקורא מבני תרופות, וביחד מערכות אלו חוזות במדויק כיצד פעילות גנים משתנה בתאים חיסוניים שטופלו בחומרים ספציפיים. השיטה יכולה לזהות אילו גנים משתנים ביותר, ומציעה רמזים לפעולת התרופה ותופעות לוואי אפשריות.

בניית גרפי ידע של מצבי תאים

כדי להנגיש את הלוגיקה הפנימית של המודל, המחברים מציגים את CellVQ-Graph, תוספת קלה שמשתמשת ביציאות של CellVQ לבניית גרף המקשר תאים, גנים ותכונות תיאוריות כמו רקמה, תווית מחלה, גיל ומין. בגרף זה, משקלי קשב מדגישים אילו גנים ותכונות חשובים ביותר לכל מצב תאי. כשהוחל על נתוני מוח ולבלב, המערכת מפרידה סוגים עדינים של תאים, מציעה מצבי ביניים ומציינת גני סמן ידועים לצד מועמדים פחות נחקרים. היא גם מגלה רשתות של גנים שנוטים לנוע יחד, ומאירה מעגלי ויסות ששולטים בהתפתחות, בתגובות ללחץ ובדלקת.

מה המשמעות למחקר תאים עתידי

במונחים יומיומיים, CellVQ ו-CellVQ-Graph פועלים כמו מנוע תרגום ומיפוי רב-עוצמה לחיי תאים, הממירים מדידות רועשות לקוד משותף שניתן להשוות בין מחקרים ומחלות. העבודה מראה שמודל יחיד יכול גם לשפר משימות חיזוי וגם להציע רמזים ביולוגיים ברורים, מגני סמן מרכזיים ועד לשותפויות גן-גן סבירות. בעוד שגרסה נוכחית מאומנת בעיקר על סוג אחד של מדידה מולקולרית, המחברים מתכננים להרחיבה לסוגי נתונים נוספים, במטרה ליצור אטלס מאוחד וניתן לפרשנות של אופן שינוי התאים לאורך זמן, ברקמות שונות ובתנאי טיפול.

ציטוט: Wang, J., Tan, C., Gao, Z. et al. Illuminating cell states by a comprehensive and interpretable single cell foundation model. Nat Commun 17, 4037 (2026). https://doi.org/10.1038/s41467-026-70071-5

מילות מפתח: ריצוף RNA של תא יחיד, מצבי תאים, מודל יסוד, ויסות גנים, תגובת תרופות