Tabula — приватная foundation-модель для генетики клеток и поиска факторов омоложения

Pesquisadores apresentaram o Tabula — um modelo de fundação (foundation model) para análise de células únicas que é treinado com dados de diferentes instituições sem que eles saiam de lá, e com o qual identificaram potenciais fatores de rejuvenescimento de células humanas. O preprint foi publicado no arXiv em julho de 2026.

O que é o modelo Tabula

Tabula é um foundation model que preserva a privacidade para a genômica de células únicas (single-cell) e que leva explicitamente em conta a estrutura tabular dos dados de células únicas. Os autores observam que, ao contrário do texto, os dados single-cell não são ordenados e têm uma forma tabular única que os modelos existentes ignoram. O Tabula é construído sobre aprendizado federado (federated learning) — uma abordagem em que várias organizações treinam em conjunto um único modelo sem publicar os dados brutos.

• Modelo — Tabula, um foundation model que preserva a privacidade para células únicas
• Método — aprendizado federado somado à consideração explícita da estrutura tabular dos dados
• Plataforma — Chiron, um sistema descentralizado baseado em agentes de IA para treinamento conjunto entre instituições
• Dados — um novo conjunto scRNA-seq de fibroblastos humanos jovens e velhos pareados
• Biossistemas — hematopoiese, endogênese pancreática, neurogênese, cardiogênese

Como treinar sem vazar dados

Quem cuida do treinamento conjunto sem troca de dados brutos é o Chiron — uma plataforma descentralizada baseada em agentes de IA que os autores desenvolveram especificamente para o Tabula. As instituições treinam um modelo comum com seus próprios conjuntos fechados de dados single-cell, sem enviá-los para fora, o que remove a principal barreira para escalar modelos genômicos em que os dados dos pacientes são protegidos. Segundo o preprint, além de resultados sólidos em benchmarks downstream, o Tabula revela a lógica regulatória combinatória em quatro sistemas biológicos ao mesmo tempo: hematopoiese, endogênese pancreática, neurogênese e cardiogênese.

O que o modelo descobriu sobre o envelhecimento

O Tabula propôs potenciais fatores de rejuvenescimento a partir de um novo conjunto scRNA-seq de fibroblastos humanos jovens e velhos pareados. O modelo classificou os candidatos in silico com base em escores de idade e identidade celular (priorização guiada por age- e identity score) e, segundo os autores, superou os métodos clássicos desse tipo de seleção. Trata-se justamente da indicação de candidatos — genes e fatores que vale a pena testar em experimentos para reverter células velhas a um estado mais jovem —, não de uma terapia pronta.

«O

Tabula representa um passo importante na modelagem de células únicas, unindo o aprendizado tabular ao federado e abrindo 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 quentes — foundation models e privacidade de dados — na biomedicina: as organizações podem treinar um modelo comum com dados genômicos fechados, e sua saída na forma de candidatos a rejuvenescimento reaviva o interesse pelas «células virtuais» como ferramenta de busca por 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 únicas, que, segundo os autores, os foundation models existentes ignoram, e é treinado por meio de aprendizado federado sem transferir dados brutos entre instituições.

O que são os fatores de rejuvenescimento que o

Tabula encontrou?

São genes candidatos que o modelo selecionou a partir de dados de fibroblastos humanos jovens e velhos, com base em escores de idade e identidade celular. Ainda precisam ser testados experimentalmente — é uma priorização para pesquisas futuras, não uma terapia pronta.