Atlas em grande escala de órgãos saudáveis ​​logo estarão disponíveis, em particular, o Atlas de células humanas. Esta é uma etapa significativa para entender melhor as células, tecidos e órgãos saudáveis ​​e fornece uma referência para o diagnóstico, monitoramento e tratamento de doenças. Contudo, devido ao grande número de combinações possíveis de tratamento e condições de doença, expandir esses dados para caracterizar doenças e tratamento de doenças em laboratórios de ciências da vida tradicionais é trabalhoso e caro, e, portanto, não escalonável.

Modelar com precisão a resposta celular a perturbações (por exemplo, doença, compostos, intervenções genéticas) é um objetivo central da biologia computacional. Embora existam modelos baseados em abordagens estatísticas e mecanísticas, nenhuma solução baseada em aprendizado de máquina viável para fenômenos de alta dimensão não observados ainda está disponível. Além disso, scGen é a primeira ferramenta que prevê a resposta celular fora da amostra. Isso significa que o scGen, se treinado em dados que capturam o efeito de perturbações para um determinado sistema, é capaz de fazer previsões confiáveis ​​para um sistema diferente. "Pela primeira vez, temos a oportunidade de usar os dados gerados em um sistema modelo, como mouse, e usar os dados para prever a resposta à doença ou terapia em pacientes humanos, "disse Mohammad Lotfollahi, Ph.D. estudante (Helmholtz Zentrum München e Technische Universität München).

scGen é um modelo de aprendizagem profunda generativo que aproveita as ideias da imagem, sequência e processamento de linguagem, e, pela primeira vez, aplica essas idéias para modelar o comportamento de uma célula in silico. A próxima etapa para a equipe diz respeito à melhoria do scGen para uma formulação totalmente baseada em dados, aumentando seu poder preditivo para permitir o estudo de combinações de perturbações. "Agora podemos começar a otimizar o scGen para responder a perguntas cada vez mais complexas sobre doenças, "disse Alex Wolf, Lider do Time, e Fabian Theis, Diretor do Instituto de Biologia Computacional e Cadeira de Modelagem Matemática de Sistemas Biológicos da Technische Universität München.