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

Исследователи представили Tabula — foundation-модель для анализа отдельных клеток, которая обучается на данных из разных институтов без их передачи наружу и с помощью которой выделили потенциальные факторы омоложения человеческих клеток. Препринт опубликован на arXiv в июле 2026 года.

Что такое модель Tabula

Tabula — это privacy-preserving foundation model для single-cell геномики, которая явно учитывает табличную структуру данных отдельных клеток. Авторы отмечают, что данные single-cell, в отличие от текста, не упорядочены и имеют уникальную табличную форму, которую существующие модели игнорируют. Tabula строится на федеративном обучении (federated learning) — подходе, при котором несколько организаций совместно тренируют одну модель, не выкладывая сырые данные в общий доступ.

• Модель — Tabula, privacy-preserving foundation model для отдельных клеток
• Метод — federated learning плюс явный учёт табличной структуры данных
• Платформа — Chiron, децентрализованная система на AI-агентах для совместного обучения между институтами
• Данные — новый набор scRNA-seq парных молодых и старых фибробластов человека
• Биосистемы — гемопоэз, панкреатический эндогенез, нейрогенез, кардиогенез

Как обучаться без утечки данных

За совместное обучение без обмена сырыми данными отвечает Chiron — децентрализованная платформа на базе AI-агентов, которую авторы разработали специально под Tabula. Институты тренируют общую модель на своих закрытых наборах single-cell данных, не выгружая их наружу, — это снимает главный барьер для масштабирования геномных моделей, где данные пациентов защищены. По данным препринта, помимо сильных результатов на downstream-бенчмарках, Tabula вскрывает комбинаторную регуляторную логику сразу в четырёх биологических системах: гемопоэзе, панкреатическом эндогенезе, нейрогенезе и кардиогенезе.

Что модель нашла про старение

Tabula предложила потенциальные факторы омоложения на новом наборе scRNA-seq парных молодых и старых фибробластов человека. Модель ранжировала кандидатов in silico с опорой на оценки возраста и клеточной идентичности (age- и identity score-guided приоритизация) и, как сообщают авторы, обошла классические методы такого отбора. Речь именно о номинировании кандидатов — генов и факторов, которые стоит проверять в экспериментах на возврат старых клеток в более молодое состояние, а не о готовой терапии.

«Tabula представляет важный шаг в моделировании отдельных клеток,

объединяя табличное обучение с федеративным и прокладывая путь к приватным виртуальным клеткам для здоровья человека», — говорится в аннотации препринта на arXiv.

Что это значит

Tabula показывает, как совместить две горячие темы — foundation-модели и приватность данных — в биомедицине: организации могут учить общую модель на закрытых геномных данных, а её выход в виде кандидатов на омоложение возвращает интерес к «виртуальным клеткам» как инструменту поиска терапий старения.

Частые вопросы

Чем Tabula отличается от других single-cell моделей?

Tabula явно моделирует табличную структуру данных отдельных клеток, которую, по словам авторов, существующие foundation-модели игнорируют, и обучается через federated learning без передачи сырых данных между институтами.

Что такое факторы омоложения, которые нашла Tabula?

Это гены-кандидаты, которые модель отобрала на данных молодых и старых фибробластов человека с опорой на оценки возраста и клеточной идентичности. Их предстоит проверять экспериментально — это приоритизация для дальнейших исследований, а не готовая терапия.