يعتمد علماء الأحياء بشكل متزايد على أجهزة الكمبيوتر لقراءة «دليل التشغيل» للخلية الحية. ستة نماذج حديثة من الذكاء الاصطناعي — Nicheformer، وCellPLM، وscGPT-spatial، وGenePT، وscELMo، وNovae — هي بمثابة ستة مترجمين من لهجات مختلفة لنفس اللغة الخلوية. كل واحد تعلم من نصوصه الخاصة: بعضها حفظ تسلسلات الجينات النشطة، والبعض الآخر درس الخرائط المكانية للأنسجة، والبعض الآخر بدأ من اللغة البشرية العادية.

أجرى مؤلفو الدراسة امتحانًا عادلًا لها. أُعطيت النماذج نفس المهام: تجميع الخلايا حسب النوع، والعثور على الجينات المميزة (وهي «جوازات السفر» الجزيئية للخلايا)، أو التنبؤ بكيفية استجابة الخلية لدواء. كما كانت البيانات الأولية مختلفة — من قوائم بسيطة للجينات النشطة إلى صور تُظهر موقع كل خلية داخل النسيج.

كانت النتيجة مفاجئة ومتواضعة. النماذج التي دُرِّبت على قوائم «مسطحة» من الجينات كانت الأفضل في تحديد أنواع الخلايا. النماذج المكانية التي ترى خريطة النسيج حافظت على بنية العضو بدقة أكبر. والنماذج اللغوية، التي تعتبر الجين مجرد كلمة في جملة، توقعت تأثير الأدوية بشكل جيد بشكل غير متوقع. لم يفز أي نموذج في جميع الفئات، وتغير ترتيب القوى مع أدق التفاصيل — طريقة معالجة البيانات، أو اختيار المقياس، أو حتى كيفية «تقطيع» الجينات إلى أجزاء للتحليل.

هذا ليس سباقًا نحو بطل مطلق. بل هو ظهور مجموعة أدوات كاملة، كل منها جيد في مجاله. المستقبل للنماذج التي لا تستطيع فقط جمع النقاط في الاختبارات، بل أن تشرح للعالم البيولوجي لماذا سلكت الخلية هذا المسار التنموي بالذات.