Fabian Theis hosszú ideje meghatározó személy az úgynevezett Virtual Cell koncepció különböző megvalósulásaiban. Kutatócsoportja az algoritmusok élvonalát tolta előre a többskálájú, többmódusú ("multiomics"), időben változó biológiai adatok modellezésében. Theis vezető szerepet tölt be a Helmholtz intézetnél, és részt vett különböző startupokban és valószínűleg a Biohub körülményeiben is, alakítva a nagyléptékű víziót és az adatok gyűjtését.
Mi történt: nagy tét és új képalkotási kapacitások
A Biohub bejelentése az elmúlt hetekben jelentős médiafigyelmet kapott a nagy összeg miatt: 1,8 milliárd dollárnyi elköteleződésről számoltak be Biohub, NIH, DOE, Google és Meta részéről. A bejelentés hangsúlyozza az új képalkotási és méréstechnikai képességeket, amelyek nagy adatkészletek előállítását teszik lehetővé, és ezeket az adatokat AI-tréningre is elérhetővé kívánják tenni.
Az érdeklődés okai részben az infrastruktúra és a mérési technológiák előrehaladásában keresendők: a DOE és az NIH nagyléptékű, laborban zajló automatizációt fejlesztenek, a Google bővíti összekapcsolt neurális térképezési (connectomics) képességeit, és a Biohub különböző laborokkal együttműködve fejlesztett és finomított képalkotó platformokat (például lézeres fázislemez mikroszkópia, light sheet mikroszkópia és fejlett utófeldolgozás hagyományos mikroszkópokhoz), amelyek mély fenotípusos adatokat tárnak fel. Ezek a technológiák gyorsan érnek be, és valószínűleg fontos szerepet játszanak a Biohub kezdeményezésben.
Miért nehéz a Virtual Cell modellépítés?
Bár a multi-skálájú, multi-módusú adatok pontosan azok, amelyeket Theis évtizedek óta modellez, a Virtual Cell megközelítések iránti lelkesedés visszaesett. A 2025-ös Arc Virtual Cell Challenge rávilágított egy komoly problémára: több tanulmány kimutatta, hogy az állandó kiegyenlítésű (sőt nem is lineáris) alapvonalak gyakran felülmúlják a kifinomult modelleket a „perturbáció-előrejelzés” feladatában. A perturbáció-előrejelzés azt vizsgálja, hogyan változik egy sejt állapota, ha a bemeneteket megváltoztatjuk (génszerkesztés, gyógyszerek vagy környezeti tényezők hatására).
Ugyanakkor az sem teljesen reménytelen: megjelentek olyan munkák, amelyek rámutatnak, hogy sok meglévő értékelési metrika rosszul kalibrált — ezek jutalmazhatnak egy informatívtalan átlag-előrejelzést, mert a legtöbb gén alig változik. Jobban kalibrált metrikákkal a mély tanulási modellek képesek felülmúlni az átlag alapvonalat.
Theis álláspontja: a probléma maga a kihívás
Fabian Theis szerint a jelenleg rendelkezésre álló adatkészleteken a perturbáció-előrejelzés önmagában nem elég nehéz feladat ahhoz, hogy igazolja a nagyon komplex algoritmusokat. Ahelyett arra kell fókuszálni, amire a Biohub 1,8 milliárd dolláros adatgyűjtési erőfeszítése irányul: nagy, nagy pontosságú, többskálájú, együttregisztrált biológiai adatok használata annak előrejelzésére, hogyan alakulnak a molekuláktól a sejtekig, a mikrokörnyezetektől a szövetekig és szervekig, illetve hogyan hatnak ezek a skálák egymásra.
Ez kedvező helyzet: jelenleg az AI lehetővé teszi, hogy sokkal nagyobb problémákat ragadjunk meg, és ez a probléma rendkívül kiterjedt. Hiányzik a megértés a különböző "skála-interfészek" között — azaz hogyan kapcsolódnak és befolyásolják egymást a különböző alkalmazhatósági tartományok — és eddig nem állt rendelkezésre a szükséges, integrált adatmennyiség. A Biohub kezdeményezés ezt az adathiányt kívánja enyhíteni. Fabian Theis évek óta dolgozik azon algoritmusokon, amelyek képesek lehetnek ezeket a nagyléptékű problémákat modellezni.
Gyakorlati kérdések és célok
A felmerülő, egyre összetettebb kérdések közé tartozik:
- Hogyan változik a sejtem állapota a közelben lévő más sejtek hatására?
- Mit tesz egy perturbáció a sejtek eloszlásával?
- Hogyan lehet egy sejtet úgy befolyásolni, hogy elérjük a kívánt állapotot?
Ezek a kérdések egyre inkább a labor-in-the-loop, nagyszabású kísérletezés felé mutatnak, és valóban egyre összetettebb modelleket igényelnek.
Modellek és a precíziós orvoslás
Theis laborjai és kezdeményezései jelentős beruházásokat eszközöltek: a Helmholtz Computational Health Center ötvözi az AI-t, molekuláris adatokat, orvosi képalkotást, genomikát és klinikai adatokat prediktív és mechanisztikus modellek fejlesztéséhez a precíziós orvoslás területén. Az Institute of Computational Biology statisztikai és dinamikus modelleket fejleszt, amelyek egységsejtes idősoroktól a populációszintű omics adatokig integrálják a biológiai információt.
Mivel Theis kulcsszereplő ezeknek a kezdeményezéseknek az élén, az interjúban az is szóba került, hogyan gondolkodik a Virtual Cell koncepcióról egy olyan időszakban, amikor gyorsan változik, mi számít nehéz problémának. További megvitatott témák voltak a Virtual Cell üzleti oldala, a "Bitter Lesson" biológiára vetített tanulságai, a következő generáció számítási biológusainak képzése, valamint a lab-in-the-loop lezárása.
Következtetés
A Virtual Cell iránti érdeklődés a korábbi visszaesések után újra növekedhet a mérési technológiák és a skálázási infrastruktúra előretörésével. A Biohub és partnerei által bejelentett nagy volumenű adatgyűjtés megoldhatja az egyik alapvető hiányt: a többskálájú, együttregisztrált adatok hiányát. Fabian Theis hosszú ideje dolgozik azokon az algoritmusokon és intézményi struktúrákon, amelyek szükségesek lehetnek ahhoz, hogy ezen adatok alapján megbízható, skálafüggetlen modelleket építsünk a biológia szabályozására.
