Un neurone umano e una cellula appartenente a un organismo lontanissimo da noi possono avere qualcosa da dirsi?

Non nel senso letterale. Ma quando osserviamo quali geni vengono accesi e spenti dentro una cellula troviamo una specie di linguaggio biologico. TranscriptFormer, pubblicato su Science nel luglio 2026, è una famiglia di modelli generativi progettata per imparare quel linguaggio su una scala enorme.

112 milioni di cellule, dodici specie

La versione più ampia del modello è stata addestrata su fino a 112 milioni di cellule appartenenti a 12 specie, distribuite lungo circa 1,53 miliardi di anni di evoluzione. Nel dataset convivono vertebrati, invertebrati e organismi molto più lontani da noi.

TranscriptFormer non guarda soltanto quali geni sono presenti: modella congiuntamente l’identità dei geni e i livelli di espressione dei loro trascritti. In questo modo cerca rappresentazioni cellulari che possano essere confrontate anche oltre i confini di una singola specie.

Una grammatica comune della vita

Ogni cellula possiede sostanzialmente lo stesso patrimonio genetico dell’organismo a cui appartiene, ma non usa tutti i geni nello stesso momento. Il profilo di espressione genica racconta quali istruzioni sono attive e con quale intensità: una fotografia funzionale della cellula.

La cosa sorprendente è che nelle rappresentazioni apprese dal modello emergono spontaneamente strutture biologiche note: tipi cellulari, traiettorie di sviluppo, gerarchie cellulari e perfino relazioni filogenetiche, pur senza addestrare esplicitamente il sistema a ricostruire quelle annotazioni.

Dall’evoluzione alla malattia

Nel lavoro gli autori mostrano anche prestazioni zero-shot: il modello riesce ad affrontare alcuni compiti senza essere stato addestrato specificamente su quel singolo problema, compresa l’identificazione di stati cellulari associati a malattia nell’essere umano e il trasferimento di informazioni fra specie evolutivamente lontane.

Questo non significa che l’IA abbia costruito una copia digitale perfetta della cellula. Significa che abbiamo uno strumento capace di comprimere una quantità gigantesca di informazione biologica e di cercare regolarità difficilissime da individuare manualmente.

Verso la cellula virtuale?

È qui che il progetto diventa particolarmente interessante. Modelli come TranscriptFormer vengono studiati anche come componenti di futuri sistemi di “virtual cell”: strumenti computazionali che, un giorno, potrebbero aiutare a prevedere come una cellula reagirà a mutazioni, perturbazioni o trattamenti.

Ma il confine va tenuto chiaro. TranscriptFormer non sostituisce gli esperimenti, non simula integralmente una cellula e non permette di provare virtualmente una terapia sapendo già con certezza cosa accadrà in un paziente. Le previsioni restano ipotesi biologiche da verificare.

La stessa lingua, dialetti diversi

Forse la cosa più interessante non è che una macchina abbia letto 112 milioni di cellule. È che, dopo averle lette, abbia cominciato a mostrarci quanto profondamente la vita continui a parlare dialetti diversi di una grammatica antichissima.

Fonti

• Science / PubMed — TranscriptFormer: A generative cell atlas across 1.5 billion years of evolution.
• Virtual Cells Platform — documentazione TranscriptFormer.