Eylül ortasında iki üniversite, "sanal hücre" hedefine yönelik çalışmalarını duyurdu. UC San Diego ekibi, canlı hücre görüntülerinden mitokondrinin ilaçlara yanıtını okuyan bir model ve fizik tabanlı bir…
Haberi paylaş
İlgilenecek birine ulaştırın.
Cell, Nature ve Science'ta yayımlanan sanal hücre çalışmaları ne gösterdi? Mitokondri görüntülerinden türler arası atlaslara kanıt ve sınırlar.
Eylül ortasında iki üniversite, "sanal hücre" hedefine yönelik çalışmalarını duyurdu. UC San Diego ekibi, canlı hücre görüntülerinden mitokondrinin ilaçlara yanıtını okuyan bir model ve fizik tabanlı bir dijital ikiz yayımladı. Stanford ve Chan Zuckerberg Girişimi ise milyonlarca hücreyle eğitilmiş, türler arası çalışan iki temel model sundu. Hepsi laboratuvar düzeyinde güçlü sonuçlar veriyor; hastaya dönük bir karar aracı değiller.
"Sanal hücre", bir hücrenin durumunu bilgisayarda temsil edip bir müdahaleye yanıtını öngörmeyi amaçlayan modellerin genel adı. Eylül ortasında öne çıkan çalışmalar üç farklı yoldan bu hedefe yaklaşıyor.
İlk yol görüntüye dayanıyor. UC San Diego'dan Johannes Schöneberg'in ekibi, Cell dergisinin Eylül 2026 sayısında MitoSpace adlı modeli yayımladı. Model, ışık tabakası mikroskobuyla (lattice light-sheet) çekilmiş dört boyutlu hücre filmlerini inceliyor. Dört boyut, üç uzay ekseni ile zamanı ifade ediyor.
İkinci yol fiziğe dayanıyor. Aynı ekip, daha önce yine Cell'de hücrenin parçacık tabanlı dijital ikizini yayımlamıştı. Bu simülasyon mitokondrileri, mikrotübülleri, motor proteinleri, hücre zarını ve çekirdeği birlikte modelliyor. Üniversite iki çalışmayı 17 Eylül'de ortak bir duyuruyla tanıttı.
Üçüncü yol gen ifadesi verisine dayanıyor. Stanford Tıp Fakültesi, 14 Eylül'de iki temel modeli (foundation model, çok geniş veriyle önceden eğitilip farklı işlere uyarlanan model) duyurdu. Evrensel Hücre Gömülümü (UCE) 8 Temmuz 2026'da Nature'da yayımlanmıştı. Chan Zuckerberg Girişimi ile geliştirilen TranscriptFormer ise Science'ta yer aldı.
MitoSpace, etiketsiz yaklaşık 40 bin tek hücre filmiyle kendi kendine öğrenme (self-supervised) yöntemiyle eğitildi. Hücreler Cal27 adlı baş-boyun kanseri hücre hattındandı. Ekip 25 bileşik ve bir kontrol koşulu kullandı.
Hücreye hangi ilacın verildiğini ayırt etme görevinde 4D veriyle yaklaşık yüzde 75 doğruluk elde edildi. Aynı görevde iki boyutlu görüntüler yaklaşık yüzde 56'da kaldı. Model, mitokondri zar potansiyelini de biçim ve hareketten yüksek uyumla (R²=0,91) tahmin etti. İnsan akciğer organoidlerine de genellenebildiği bildirildi.
Dijital ikiz, Cal27 hücrelerinin görüntülerinden kuruldu. Nokodazol (mikrotübülleri bozan bir ilaç) verildiğinde mitokondri hareketinin azalmasını parametre ayarı yapmadan öngördü. Model, farklı sürelerde nokodazol uygulanmış hücrelerle karşılaştırılarak sınandı.
Gen ifadesi tarafında UCE, sekiz türden yaklaşık 36 milyon hücreyle eğitildi. Model, hiç görmediği türlerdeki hücreleri ek eğitim olmadan yerleştirebildi. TranscriptFormer ise 12 türden 112 milyon hücreyle eğitildi ve yaklaşık 1,5 milyar yıllık evrimi kapsıyor. Stanford'a göre model, yeni türlerde hücre tipini tanıyabiliyor ve sağlıklı hücreyi hastalıklı olandan ayırabiliyor.
Sınırlılıklar yazarların kendi makalelerinde açıkça yer alıyor. MitoSpace tek bir hücre hattında ve seçilmiş bir ilaç setinde test edildi. Yirmi dakikalık görüntüleme penceresi, mitofaji gibi yavaş süreçleri kaçırıyor.
Dijital ikiz, mikrotübüllerin uzayıp kısalmasını ve endoplazmik retikulumla etkileşimi henüz içermiyor. UCE'nin yazarları da modelin yorumlanmasının güç olduğunu ve eğitim verisinin memelilere kaydığını belirtiyor.
Bu modeller bugün klinikte kullanılacak araçlar değil. Asıl etkileri ilaç geliştirmenin erken, deneysel evresinde görülebilir. Örneğin binlerce bileşiği önce bilgisayarda elemek, laboratuvar deneylerini daha seçici hâle getirebilir.
Bir "sanal hücre" haberini okurken şu soruları sormak yararlı:
Model hangi hücre tipinde ve kaç koşulda test edildi?
Başarı ölçütü bir sınıflandırma doğruluğu mu, yoksa gerçek bir deneyin önceden tahmini mi?
Sonuç, eğitimde hiç görülmemiş hücre veya ilaçlarda doğrulandı mı?
Hasta dokusunda ya da klinik sonuçla bir ilişki gösterildi mi?
Bu çalışmaların hiçbiri henüz bir ilacın insanda etkili olacağını öngörmüyor. Hücre hattından hastaya uzanan yol hâlâ klasik preklinik ve klinik aşamalardan geçiyor.
UCE ve TranscriptFormer'ın kodları açık olarak paylaşılıyor. Bu durum, Türkiye'deki araştırma gruplarının kendi tek hücre verileriyle deneme yapmasını kolaylaştırabilir. Görüntü tabanlı modeller için ise ışık tabakası mikroskobu gerekiyor. MitoSpace yazarları bu cihaza erişimin sınırlı olduğunu kendileri de not ediyor.
Hasta kaynaklı tek hücre verisi genetik bilgi içerebilir. Kişisel Verilerin Korunması Kanunu (KVKK), genetik ve sağlık verilerini özel nitelikli kişisel veri olarak koruyor. Uluslararası modellere veri aktarımında bu çerçeve göz önünde tutulmalı.
Kısa vadede hayır. Bu modeller deneyleri önceliklendirmeye yardım edebilir. Ancak hiçbiri canlı dokudaki karmaşıklığı tam olarak yansıtmıyor.
Şu an için değil. Çalışmalar hücre hatları, organoidler ve atlas verileriyle yapıldı. Hasta sonuçlarıyla doğrulanmış bir klinik kullanım bildirilmedi.
Hücrenin zaman içindeki hareketi de modele giriyor. MitoSpace çalışmasında 4D veri, ilaç ayırt etme görevinde iki boyutlu görüntülerden belirgin biçimde daha iyi sonuç verdi.
Agarwal D, ve ark. (2026) — 4D spatiotemporal landscape of mitochondrial phenotypes across cellular states unlocked through representation learning, Cell, DOI 10.1016/j.cell.2026.08.028: https://www.sciencedirect.com/science/article/pii/S0092867426010019
Arkfeld E, ve ark. (2026) — Whole-cell particle-based digital twin simulations from 4D lattice light-sheet microscopy data, Cell, DOI 10.1016/j.cell.2026.06.010: https://www.sciencedirect.com/science/article/pii/S0092867426006975
Rosen Y, ve ark. (2026) — Universal cell embedding provides a foundation model for cell biology, Nature, DOI 10.1038/s41586-026-10689-z: https://www.nature.com/articles/s41586-026-10689-z
UC San Diego Today (2026) — Virtual Cells Built from 4D AI Models and Digital Twins Could Speed Up Drug Discovery: https://today.ucsd.edu/story/virtual-cells-built-from-4d-ai-models-and-digital-twins-could-speed-up-drug-discovery
Stanford Medicine / EurekAlert (2026) — Stanford Medicine-developed AI model opens new horizons for cell biology: https://www.eurekalert.org/news-releases/1143934
News-Medical (2026) — haber kaynağı: https://www.news-medical.net/news/20260918/Researchers-create-virtual-cells-to-accelerate-drug-discovery-efforts.aspx
News-Medical (2026) — haber kaynağı: https://www.news-medical.net/news/20260915/Advanced-AI-cell-models-redefine-modern-cell-biology-research.aspx
Bu içerik bilgilendirme amaçlıdır ve bireysel tıbbi tavsiye yerine geçmez.
Bu konuyla ilgili Doktorclub'da ele aldığımız diğer hekim onaylı rehberler: