La biologia cellulare e molecolare sta attraversando una fase in cui gli strumenti di intelligenza artificiale ridefiniscono il modo in cui i ricercatori esplorano il vivente. Due assi strutturano i recenti progressi: la modellazione computazionale delle cellule su larga scala e la mappatura tridimensionale del genoma. Queste scoperte non appartengono più alla fantascienza, alimentano già pipeline di ricerca concrete in laboratorio.
Modelli universali della cellula: l’IA applicata alla biologia inter-specie
I modelli di linguaggio hanno trasformato il trattamento del testo. Una logica analoga si applica ora ai dati biologici. Nel settembre 2026, i team di Stanford hanno presentato due strumenti principali: Universal Cell Embedding e TranscriptFormer.
TranscriptFormer è stato addestrato su dati di 112 milioni di cellule provenienti da 12 specie, dal lievito all’uomo. L’obiettivo: mappare gli stati cellulari attraverso circa 1,5 miliardi di anni di evoluzione. Questo tipo di approccio consente di trasferire conoscenze acquisite su un organismo modello (il topo, il pesce zebra) direttamente alla biologia umana.
Ciò che differenzia questi lavori dagli approcci precedenti è la loro dimensione inter-specie. Confrontare direttamente lo stato di una cellula di lievito con quello di una cellula umana era un esercizio teorico. Questi modelli fondamentali rendono il confronto operativo, quantificabile e riproducibile in laboratorio. Tra le ultime notizie di Bio Geek, questo cambiamento verso la modellazione cellulare universale è uno dei temi più seguiti dalla comunità scientifica francofona.
Atlanti cellulari umani di nuova generazione
Gli atlanti trascrittomici servono da riferimento per comprendere quali geni sono attivi in ogni tipo di cellula. L’aggiornamento Tabula Sapiens 2.0, pubblicato in pre-pubblicazione nel settembre 2026, propone un atlante umano notevolmente ampliato rispetto alla prima versione.
Questa seconda generazione integra decine di tessuti e offre una risoluzione spaziale che i primi atlanti non permettevano. La sfida non si limita a catalogare le cellule: si tratta di comprendere come le cellule interagiscono in uno spazio tridimensionale e come queste interazioni variano da un organo all’altro.
Perché la 3D cambia le regole del gioco per la ricerca
Un atlante 2D fornisce una fotografia. Un atlante 3D fornisce un’architettura. Per la ricerca su malattie come i tumori o le malattie autoimmuni, sapere dove si trova una cellula in un tessuto (e quali cellule la circondano) modifica radicalmente l’interpretazione dei dati. Comprendere come il DNA si ripiega nello spazio per attivare o reprimere determinati geni costituisce una questione centrale di questo approccio tridimensionale.
IA e scoperta di farmaci: accelerazione dei tempi preclinici
L’intelligenza artificiale non si limita a modellare le cellule. Accorcia anche le fasi di scoperta di nuove molecole terapeutiche. Diverse piattaforme combinano ora IA generativa e screening molecolare per proporre candidati-farmaci prima degli studi clinici.
Il principio si basa su due capacità complementari:
- La previsione delle strutture proteiche, che consente di identificare obiettivi terapeutici senza cristallografia costosa
- La generazione di molecole candidate tramite algoritmi addestrati su enormi biblioteche chimiche
Il passaggio dalla previsione alla generazione di molecole costituisce il cambiamento di paradigma. Gli strumenti precedenti filtravano database esistenti. Gli approcci attuali creano nuove molecole, ottimizzate per un obiettivo specifico, e poi le testano in un ciclo rapido.
Decodifica del DNA non codificante: rileggere il genoma in modo diverso
Il sequenziamento del genoma umano, completato all’inizio degli anni 2000, ha lasciato una domanda aperta: a cosa servono le vaste regioni di DNA che non codificano alcuna proteina? Queste aree, a lungo definite (a torto) come DNA “spazzatura”, concentrano oggi una parte crescente della ricerca in genomica.
Recenti lavori si basano su reti neurali profonde per decodificare la grammatica regolatrice del DNA non codificante. Queste regioni contengono sequenze che controllano quando, dove e in quale quantità un gene si esprime. Comprendere questa grammatica apre la strada a una lettura funzionale del genoma, oltre al semplice inventario di geni.
Applicazioni concrete in medicina di precisione
Identificare una mutazione in un gene codificante rimane relativamente diretto. Identificare una mutazione in una zona regolatrice, comprendere il suo effetto sull’espressione di un gene situato talvolta molto lontano sul cromosoma, e poi collegare questo effetto a una malattia: questa catena di analisi richiede strumenti computazionali potenti. I modelli IA addestrati su dati multi-specie (come quelli di Stanford) alimentano direttamente questo tipo di analisi, fornendo riferimenti incrociati tra organismi.
- I varianti genetici nelle regioni non codificanti rappresentano la maggior parte dei segnali rilevati dagli studi di associazione pangenomica
- Gli strumenti attuali consentono di prevedere l’impatto funzionale di queste varianti senza ricorrere sistematicamente a esperimenti in laboratorio
- La combinazione di atlante cellulare e modello predittivo accelera il passaggio dalla scoperta genomica alla diagnosi clinica
La convergenza tra atlanti cellulari 3D, modelli IA inter-specie e analisi del DNA non codificante disegna un quadro di ricerca unificato. Ogni mattone alimenta gli altri. La biologia del 2026 non progredisce più disciplina per disciplina, ma per integrazione di strati di dati che, isolati, rimanevano difficili da interpretare.
