Tabula: modelo de fundação privado para genética celular e busca de fatores de rejuvenescimento

Pesquisadores apresentaram o Tabula, um modelo de fundação para análise de células individuais. Ele é treinado com dados de diferentes institutos sem que eles precisem ser transferidos para fora, e foi usado para identificar potenciais fatores de rejuvenescimento de células humanas. O preprint foi publicado no arXiv em julho de 2026.

O que é o modelo Tabula

O Tabula é um modelo de fundação (foundation model) com preservação de privacidade para genômica de célula única (single-cell) que leva em conta, de forma explícita, a estrutura tabular dos dados de células individuais. Os autores observam que os dados single-cell, ao contrário do texto, não são ordenados e têm um formato tabular próprio, que os modelos existentes ignoram. O Tabula se baseia em aprendizado federado (federated learning), abordagem em que várias organizações treinam um único modelo em conjunto, sem expor seus dados brutos.

• Modelo — Tabula, foundation model com preservação de privacidade para células individuais
• Método — federated learning mais consideração explícita da estrutura tabular dos dados
• Plataforma — Chiron, sistema descentralizado baseado em agentes de IA para treinamento colaborativo entre institutos
• Dados — novo conjunto de scRNA-seq com pares de fibroblastos humanos jovens e idosos
• Sistemas biológicos — hematopoese, endogênese pancreática, neurogênese, cardiogênese

Como treinar sem vazamento de dados

O treinamento conjunto sem troca de dados brutos fica a cargo do Chiron, plataforma descentralizada baseada em agentes de IA que os autores desenvolveram especificamente para o Tabula. Os institutos treinam o modelo comum com seus conjuntos fechados de dados single-cell, sem exportá-los, o que remove a principal barreira para escalar modelos genômicos, já que os dados de pacientes são protegidos. Segundo o preprint, além de bons resultados em benchmarks downstream, o Tabula revela a lógica regulatória combinatória em quatro sistemas biológicos ao mesmo tempo: hematopoese, endogênese pancreática, neurogênese e cardiogênese.

O que o modelo descobriu sobre o envelhecimento

O Tabula sugeriu potenciais fatores de rejuvenescimento em um novo conjunto de scRNA-seq com pares de fibroblastos humanos jovens e idosos. O modelo classificou os candidatos in silico com base em estimativas de idade e de identidade celular (priorização guiada por age score e identity score) e, segundo os autores, superou os métodos clássicos de seleção desse tipo. Trata-se apenas da indicação de candidatos — genes e fatores que merecem ser testados em experimentos de reversão de células envelhecidas a um estado mais jovem —, e não de uma terapia pronta.

«O

Tabula representa um passo importante na modelagem de células individuais, ao unir aprendizado tabular e aprendizado federado e abrir caminho para células virtuais privadas voltadas à saúde humana», diz o resumo do preprint no arXiv.

O que isso significa

O Tabula mostra como combinar dois temas em alta — modelos de fundação e privacidade de dados — na biomedicina: as organizações podem treinar um modelo comum com dados genômicos fechados, e o resultado, na forma de candidatos a rejuvenescimento, reforça o interesse nas «células virtuais» como ferramenta para buscar terapias contra o envelhecimento.

Perguntas frequentes

Em que o Tabula difere de outros modelos single-cell?

O Tabula modela explicitamente a estrutura tabular dos dados de células individuais, que, segundo os autores, os foundation models existentes ignoram, e é treinado por federated learning, sem transferir dados brutos entre os institutos.

O que são os fatores de rejuvenescimento encontrados pelo

Tabula?

São genes candidatos que o modelo selecionou a partir de dados de fibroblastos humanos jovens e idosos, com base em estimativas de idade e de identidade celular. Eles ainda precisam ser verificados experimentalmente: trata-se de uma priorização para pesquisas futuras, e não de uma terapia pronta.