תא וירטואלי (Virtual Cell)

הרעיון: מודל שמנבא איך תא חי יגיב

תא וירטואלי הוא מודל בינה מלאכותית שאמור לקבל תיאור של תא חי ושל התערבות כלשהי — תרופה, שינוי גנטי, שינוי בסביבה — ולנבא מה יקרה לתא בעקבותיה, עוד לפני שמישהו ניגש למעבדה. הרעיון קיבל את הניסוח המוכר שלו במאמר עמדה בכתב העת Cell מדצמבר 2024, "How to Build the Virtual Cell with Artificial Intelligence", שכתבו שרלוט בונה (Charlotte Bunne) ועשרות שותפים מ-Chan Zuckerberg Initiative, מסטנפורד, מ-Genentech וממכון Arc. הכותבים מתארים עתיד שבו תאים וירטואליים יעזרו לזהות מטרות חדשות לתרופות ולנבא את תגובת התא להתערבויות. במילים אחרות: ניסוי שנעשה כיום במעבדה ייעשה קודם במחשב — והמעבדה תבדוק רק את מה שהמודל סימן כמבטיח.

איך זה אמור לעבוד, בפשטות

לפי מאמר Cell, תא וירטואלי אינו סימולציה של כל מולקולה לפי חוקי הפיזיקה, אלא רשת נוירונים גדולה שלומדת מכמויות עצומות של נתוני מדידה. הכותבים מציעים שני רכיבים. הראשון הוא "ייצוגים אוניברסליים" בשלוש רמות: מולקולות (רצפי DNA, RNA וחלבונים), התא כולו (אילו גנים פעילים, היכן ומתי — מנתוני ריצוף ומיקרוסקופיה) ורקמה שבה תאים רבים מסודרים יחד. הרכיב השני הוא "מכשירים וירטואליים": מפענחים שמתרגמים את הייצוג למשהו שאדם יכול לקרוא, כמו סוג התא או תמונת מיקרוסקופ מדומה, ו"מניפולטורים" שמעבירים תא ממצב אחד למצב אחר — למשל מתא בריא לתא שגן מסוים הושתק בו. הנתונים המרכזיים הם מדידות של תאים בודדים לפני ואחרי "הפרעה" (perturbation), כמו השתקת גן בטכניקת CRISPR. הכותבים מתארים גם "מעבדה בלולאה": המודל מסמן היכן הוא פחות בטוח, ושם נערכים הניסויים הבאים.

Virtual Cell Challenge: התחרות של מכון Arc

ב-26 ביוני 2025 השיק מכון Arc מפאלו אלטו תחרות שנתית בשם Virtual Cell Challenge. המשימה: לנבא כיצד משתנה פעילות הגנים בתא כשמשתיקים גן אחד. לשם כך הפיק המכון מערך נתונים חדש של 300 אלף תאי גזע עובריים אנושיים מסוג H1, עם 300 הפרעות גנטיות, והציע פרס ראשון של 100 אלף דולר. בסיכום שפרסם ב-6 בדצמבר 2025 דיווח המכון על יותר מ-5,000 נרשמים מ-114 מדינות ועל יותר מ-1,200 קבוצות שהגישו תוצאות. המסקנה החשובה הייתה דווקא המפוכחת: לדברי המארגנים, מודלי החיזוי "עדיין אינם עולים בעקביות על קווי בסיס נאיביים בכל המדדים". גם הקבוצה הזוכה כתבה שגישות שהן AI טהור לא עלו בעקביות על שיטות סטטיסטיות. התחרות של 2026, שנפתחה להגשות ב-20 באוגוסט 2026, קשה יותר: המכון לא מפרסם מערך אימון, והמודלים צריכים לנבא את התגובה בשישה קווי תאים שלא ראו בהם הפרעות מעולם.

Biohub והיוזמה של אוקטובר 2026

ב-6 בנובמבר 2025 איחדה Chan Zuckerberg Initiative, הארגון הפילנתרופי של מארק צוקרברג ופריסילה צ'אן, את צוותי המדע שלה לארגון אחד בשם Biohub, וצירפה אליו את מעבדת ה-AI EvolutionaryScale; מייסד-השותף שלה, אלכס רייבס (Alex Rives), מונה לראש המדע. באפריל 2026 השיקה Biohub את Virtual Biology Initiative עם 500 מיליון דולר משלה, וב-7 באוקטובר 2026, בכנס AIxBio בסן פרנסיסקו, הוצגה הרחבה בהיקף של כ-1.8 מיליארד דולר. חלק גדול מהסכום אינו מזומן אלא נתונים, כוח מחשוב וטכנולוגיות מדידה: משרד האנרגיה האמריקאי יתרום יותר מ-500 מיליון דולר על פני חמש שנים במדידות, מידול ומחשוב; המכונים הלאומיים לבריאות (NIH) יעמידו מאגרי נתונים שנבנו מהשקעה פדרלית קודמת של יותר מ-500 מיליון דולר; ו-Google DeepMind, Isomorphic Labs ו-Meta משקיעות יחד 300 מיליון דולר. NVIDIA תספק תשתית מחשוב, ושותפים נוספים הם בין היתר מכון Arc, מכון Broad ו-Human Cell Atlas. הנתונים אמורים להיות פתוחים לחוקרים. רייבס כינה את בניית התא הווירטואלי "אחד האתגרים החשובים ביותר לעידן הבא של המדע".

מגבלות וביקורת

המכשול הראשון הוא שהמודלים הקיימים עוד לא מוכיחים את עצמם. מחקר של קונסטנטין אלמן-אלצה (Constantin Ahlmann-Eltze), וולפגנג הובר (Wolfgang Huber) וסיימון אנדרס (Simon Anders) מהיידלברג, שפורסם ב-Nature Methods באוגוסט 2025, השווה חמישה מודלי יסוד ועוד שני מודלי למידה עמוקה בחיזוי השינוי בפעילות הגנים אחרי הפרעה גנטית, מול קווי בסיס פשוטים במכוון — למשל ההנחה ש"שום דבר לא ישתנה". אף אחד מהמודלים לא עלה עליהם. גם מאמר Cell עצמו מודה במגבלות: ייתכן שיהיה צורך לוותר על מודלים שמסבירים מנגנון לטובת קשרים נלמדים; מאגרי הנתונים מוטים לעבר בני אדם ואורגניזמי מעבדה; והשאלה הפתוחה היא איך בונים אמון בתחזיות. Interesting Engineering כתב על היוזמה של 2026 שהיעד "עדיין עתידי ולא מוכח". החוקר נתן לפייר (Nathan LaPierre), שהשתתף בתחרות, מתח בדצמבר 2025 ביקורת על מדדי התחרות, וטען שאם התחום לא ישאל לשם מה בדיוק נועדו תאים וירטואליים, הוא מסתכן ב"אופטימיזציה של הבעיה הלא נכונה".