Cellulaire en moleculaire biologie bevindt zich in een fase waarin kunstmatige intelligentie de manier waarop onderzoekers het leven verkennen, herdefinieert. Twee assen structureren de recente vooruitgangen: de computationele modellering van cellen op grote schaal en de driedimensionale cartografie van het genoom. Deze ontdekkingen behoren niet langer tot de sciencefiction, ze voeden al concrete onderzoeksprocessen in het laboratorium.
Universele celmodellen: AI toegepast op inter-soort biologie
Taalmodellen hebben de tekstverwerking getransformeerd. Een vergelijkbare logica is nu van toepassing op biologische gegevens. In september 2026 hebben teams van Stanford twee belangrijke tools gepresenteerd: Universal Cell Embedding en TranscriptFormer.
TranscriptFormer is getraind op gegevens van 112 miljoen cellen afkomstig van 12 soorten, van gist tot mens. Het doel: de cellulaire toestanden in kaart brengen over ongeveer 1,5 miljard jaar evolutie. Dit type benadering maakt het mogelijk om kennis die is opgedaan over een modelorganisme (de muis, de zebravis) rechtstreeks over te dragen naar de menselijke biologie.
Wat deze werken onderscheidt van eerdere benaderingen, is hun inter-soort dimensie. Het direct vergelijken van de toestand van een gistcel met die van een menselijke cel was een theoretische oefening. Deze foundation models maken de vergelijking operationeel, kwantificeerbaar en reproduceerbaar in het laboratorium. Onder de laatste info van Bio Geek maakt deze omslag naar universele cellulaire modellering deel uit van de meest gevolgde onderwerpen binnen de Franstalige wetenschappelijke gemeenschap.
Nieuwe generatie menselijke cellulaire atlassen
Transcriptomische atlassen dienen als referentie om te begrijpen welke genen actief zijn in elk type cel. De update Tabula Sapiens 2.0, gepubliceerd in pre-publicatie in september 2026, biedt een aanzienlijk uitgebreide menselijke atlas ten opzichte van de eerste versie.
Deze tweede generatie integreert tientallen weefsels en biedt een ruimtelijke resolutie die de eerste atlassen niet konden bieden. De uitdaging beperkt zich niet tot het catalogiseren van cellen: het gaat erom te begrijpen hoe cellen interageren in een driedimensionele ruimte, en hoe deze interacties variëren van het ene orgaan naar het andere.
Waarom 3D de zaak verandert voor onderzoek
Een 2D-atlas geeft een foto. Een 3D-atlas geeft een architectuur. Voor onderzoek naar ziekten zoals kanker of auto-immuunziekten verandert het weten waar een cel zich in een weefsel bevindt (en welke cellen deze omringen) de interpretatie van de gegevens radicaal. Begrijpen hoe DNA zich in de ruimte vouwt om bepaalde genen te activeren of te onderdrukken, vormt een centraal punt van deze driedimensionale benadering.
AI en medicijnontdekking: versnelling van preklinische tijdlijnen
Kunstmatige intelligentie beperkt zich niet tot het modelleren van cellen. Het verkort ook de stappen voor de ontdekking van nieuwe therapeutische moleculen. Verschillende platforms combineren nu generatieve AI en moleculaire screening om kandidaat-geneesmiddelen aan te bieden vóór klinische proeven.
Het principe berust op twee complementaire capaciteiten:
- De voorspelling van eiwitstructuren, die het mogelijk maakt therapeutische doelen te identificeren zonder dure kristallografie
- De generatie van kandidaat-moleculen door algoritmen die zijn getraind op massale chemische bibliotheken
De overgang van voorspelling naar generatie van moleculen vormt de paradigmaverschuiving. Eerdere tools filterden bestaande databases. De huidige benaderingen creëren nieuwe moleculen, geoptimaliseerd voor een bepaald doel, en testen deze vervolgens in een snelle cyclus.
Decodering van niet-coderend DNA: het genoom anders lezen
De sequencing van het menselijke genoom, voltooid aan het begin van de jaren 2000, heeft een open vraag achtergelaten: wat is de functie van de uitgestrekte gebieden van DNA die geen eiwit coderen? Deze gebieden, lange tijd ten onrechte aangeduid als “afval-DNA”, concentreren tegenwoordig een toenemend deel van het onderzoek in de genomica.
Recente studies maken gebruik van diepe neurale netwerken om de regulerende grammatica van niet-coderend DNA te decoderen. Deze gebieden bevatten sequenties die controleren wanneer, waar en in welke hoeveelheid een gen tot expressie komt. Het begrijpen van deze grammatica opent de weg naar een functionele lezing van het genoom, voorbij de simpele inventarisatie van genen.
Concreet toepassingen in precisiegeneeskunde
Het identificeren van een mutatie in een coderend gen blijft relatief eenvoudig. Het identificeren van een mutatie in een regulerend gebied, het begrijpen van de impact ervan op de expressie van een gen dat soms ver weg op het chromosoom ligt, en het vervolgens koppelen van dit effect aan een ziekte: deze analyseketen vereist krachtige computationele tools. De AI-modellen die zijn getraind op multi-soort gegevens (zoals die van Stanford) voeden dit type analyse rechtstreeks, door kruisverwijzingen tussen organismen te bieden.
- Genetische varianten in niet-coderende gebieden vertegenwoordigen de meerderheid van de signalen die worden gedetecteerd door pan-genomische associatiestudies
- De huidige tools maken het mogelijk de functionele impact van deze varianten te voorspellen zonder systematisch laboratoriumexperimenten uit te voeren
- De combinatie van cellulaire atlas en voorspellend model versnelt de overgang van genomische ontdekking naar klinische diagnose
De convergentie tussen 3D cellulaire atlassen, inter-soort AI-modellen en de analyse van niet-coderend DNA schetst een verenigd onderzoeksraamwerk. Elke bouwsteen voedt de andere. De biologie van 2026 vordert niet langer discipline per discipline, maar door integratie van datalagen die, geïsoleerd, moeilijk te interpreteren waren.
