Tabula: un modelo foundation privado para la genética celular y la búsqueda de factores de rejuvenecimiento

Un grupo de investigadores ha presentado Tabula, un modelo foundation para el análisis de células individuales. Se entrena con datos de distintos institutos sin que estos salgan de ellos, y con él se han identificado posibles factores de rejuvenecimiento de células humanas. El preprint se publicó en arXiv en julio de 2026.

Qué es el modelo Tabula

Tabula es un privacy-preserving foundation model para genómica single-cell que tiene en cuenta de forma explícita la estructura tabular de los datos de células individuales. Los autores señalan que los datos single-cell, a diferencia del texto, no tienen un orden y presentan una forma tabular propia que los modelos existentes ignoran. Tabula se basa en el aprendizaje federado (federated learning): un enfoque en el que varias organizaciones entrenan conjuntamente un único modelo sin poner los datos en bruto a disposición de terceros.

• Modelo: Tabula, privacy-preserving foundation model para células individuales
• Método: federated learning más el tratamiento explícito de la estructura tabular de los datos
• Plataforma: Chiron, un sistema descentralizado basado en agentes de IA para el entrenamiento conjunto entre institutos
• Datos: un nuevo conjunto de scRNA-seq de pares de fibroblastos humanos jóvenes y envejecidos
• Sistemas biológicos: hematopoyesis, endogénesis pancreática, neurogénesis, cardiogénesis

Cómo entrenar sin filtrar datos

Del entrenamiento conjunto sin intercambio de datos en bruto se encarga Chiron, una plataforma descentralizada basada en agentes de IA que los autores desarrollaron específicamente para Tabula. Los institutos entrenan el modelo común con sus conjuntos de datos single-cell privados, sin extraerlos. Así se elimina la principal barrera para escalar los modelos genómicos, un ámbito en el que los datos de los pacientes están protegidos. Según el preprint, además de obtener buenos resultados en benchmarks downstream, Tabula revela la lógica reguladora combinatoria en cuatro sistemas biológicos a la vez: hematopoyesis, endogénesis pancreática, neurogénesis y cardiogénesis.

Qué encontró el modelo sobre el envejecimiento

Tabula propuso posibles factores de rejuvenecimiento en el nuevo conjunto de scRNA-seq de pares de fibroblastos humanos jóvenes y envejecidos. El modelo clasificó a los candidatos in silico a partir de las estimaciones de edad e identidad celular (priorización guiada por age score e identity score) y, según informan los autores, superó a los métodos clásicos de este tipo de selección. Se trata únicamente de nominar candidatos, es decir, genes y factores que merece la pena someter a experimentos para devolver células envejecidas a un estado más joven, y no de una terapia lista para usar.

«Tabula supone un paso importante en el modelado de células

individuales: combina el aprendizaje tabular con el federado y abre el camino hacia células virtuales privadas para la salud humana», se afirma en el resumen del preprint en arXiv.

Qué significa

Tabula muestra cómo combinar dos temas de moda, los modelos foundation y la privacidad de los datos, en el ámbito biomédico: las organizaciones pueden entrenar un modelo común con datos genómicos privados, y los candidatos a rejuvenecimiento que este genera devuelven el interés por las «células virtuales» como herramienta para buscar terapias contra el envejecimiento.

Preguntas frecuentes

¿En qué se diferencia Tabula de otros modelos single-cell?

Tabula modela de forma explícita la estructura tabular de los datos de células individuales, que, según los autores, los modelos foundation existentes ignoran, y se entrena mediante federated learning sin transferir datos en bruto entre institutos.

¿Qué son los factores de rejuvenecimiento que encontró

Tabula?

Son genes candidatos que el modelo seleccionó a partir de datos de fibroblastos humanos jóvenes y envejecidos, apoyándose en las estimaciones de edad e identidad celular. Deberán verificarse experimentalmente: se trata de una priorización para investigaciones posteriores, no de una terapia lista para usar.