
Tek hücre araştırmacılarına deneylerindeki en büyük darboğazı sorarsanız çoğu veri analizini söyler. 10x Genomics’in teknoloji direktörü (CTO) Michael Schnall-Levin, PhD, alanın başından beri bir “son mil problemi” olduğunu belirtiyor. Her araştırmacının kendine özgü deneysel yöntemleri ve soruları var, bunların hemen hepsi de bir ölçüde özel analiz kodu yazmayı gerektiriyor. Schnall-Levin’e göre herkes için her şeyi yapabilen bir yazılım geliştirmek “ölçeklenebilir değildi”.
Şirket bu soruna büyük dil modelleriyle (large language models, LLM) yanıt veriyor. 10x Genomics, Chromium kullanıcılarına yönelik, Anthropic’in Claude modelleriyle çalışan bulut tabanlı ve ajan temelli (agentic) bir analiz uygulaması olan Sentira Single Cell‘i kullanıma sundu.
Sentira, şirketin yazılım yeteneklerini bir araya getiren çatı bir marka. Sentira Spatial birkaç hafta önce duyurulmuştu. Bugünkü duyuru yalnızca tek hücre analiziyle ilgili. Uygulama belirli bir modele bağlı değil ve farklı LLM’lerle çalışabiliyor. Schnall-Levin, Anthropic modellerinin şu an iyi sonuç verdiğini söylüyor.
Proje fikri 2026’nın başında, 10x Genomics’in Stanford Üniversitesi Biyomedikal Veri Bilimi Bölümü doçenti James Zou, PhD ile yürüttüğü çalışmalardan doğdu. Zou, algoritmalardan oluşan bir laboratuvar olarak tanımladığı “Sanal Laboratuvar” (Virtual Lab) kavramıyla tanınıyor. Kavram ilk olarak 2025’te Nature’da yayımlanan “The Virtual Lab of AI agents designs new SARS-CoV-2 nanobodies” makalesinde sunulmuştu.
Sentira Single Cell, 10x Cloud üzerinde çalışıyor. Chromium verisini analiz etmek için gereken hesaplama gücünü sağlıyor ve araştırmacıların kendi altyapılarını kurmasına ya da yönetmesine gerek kalmadan birden fazla analizi paralel çalıştırabiliyor. Kullanıcı bir sohbet arayüzü üzerinden veriye dinamik sorular soruyor. Arka planda ise sistem farklı analiz kodlarını yazıp çalıştırıyor.
Schnall-Levin, uygulamanın kullanıcılar için “muazzam bir hızlanma” sağlayacağını düşünüyor: “Daha önce haftalar sürebilecek iş saatler içinde yapılabilir.” Kazanç yalnızca hızla sınırlı değil. Ona göre araçlar, insanların şu an verilerde göremediği sonuçları da ortaya çıkarabilir. Şirket ayrıca tek hücre verisine doğrudan soru soran kişi grubunun genişlemesini umuyor. Biyoinformatikçi olmayan araştırmacılar da bu gruba dahil.
Şirket, ajan temelli analizin maliyetini “makul” bir ek ücret olarak tanımlıyor. Fiyatlandırma, 10x Cloud Credit paketleriyle kredi bazında yapılıyor. Kaba tahmine göre her ajan oturumu yaklaşık 12 kredi tutuyor. Deneysel sonuçlara kadar uzanan eksiksiz bir analiz ise yaklaşık 60 kredi gerektiriyor. Lansmanda yüklenen ilk Chromium veri seti için her kullanıcıya 100 promosyon kredisi veriliyor.
Bu fiyatlarla 60 kredilik tam bir analiz, en küçük pakette yaklaşık 72 dolara, en büyük pakette 60 dolara denk geliyor.
Sentira’nın erken kullanıcılarından Dana-Farber Kanser Enstitüsü Fonksiyonel Kanser Epigenetiği Merkezi Bilimsel Direktörü Henry Long, PhD, GEN’e önemli bir uyarıda bulundu:
“10x’in önündeki olası zorluklardan biri, Sentira’nın yeteneklerini Anthropic’in Claude Science’ı ya da OpenAI’ın Rosalind’i gibi genel temel model şirketlerinin biyomedikal analiz araçlarıyla aynı düzeyde tutmak olacak.”
Long’un laboratuvarı hem Sentira’yı hem Claude Science’ı denedi ve son dönemde giderek daha çok Claude Science’a yöneliyor.
Schnall-Levin, yapay zekâ risklerinden en çok bu alanın dışında endişelendiğini söylüyor. Yine de şirket içinde konuşulan bir nokta var: araçlar güçlendikçe insanlar onlara düşünmeden güvenebilir. Sentira araçlarının doğru olduğuna inanıyor ama kusursuz olmadıklarını vurguluyor. “Birinin ek bir inceleme yapmadan sonuçları doğrudan yayımlamasını istemiyoruz. Bu, ilk analiz ve keşif için çok iyi bir yol, ama sorumluluk hâlâ insanlarda.”
Waters Biosciences’ta tek hücre küresel pazar geliştirme direktörü Luciano Martelotto, PhD, Sentira’yı değil, yapay zekâyla tek hücre analizini genel olarak değerlendirdi. Ona göre yapay zekâ üretimi analizlerde hiçbir şey bozuk görünmüyor: kod çalışıyor, grafikler güzel, hikâye mantıklı. Önemli hatalar ise sessiz olanlar. Martelotto, bunların “yapay zekânın aptallığı” olmadığını söylüyor. Yapay zekâ istenileni yapıyor ama bir sonuç fazla iyi göründüğünde insanın duyduğu tedirginliği duymuyor.
CNAG’dan ICREA Profesörü Holger Heyn, PhD ise yapay zekânın milyonlarca hücreyi analiz etmeyi, hücre anotasyonunu otomatikleştirmeyi ve biyolojik veriden örüntü çıkarmayı eşi görülmemiş ölçekte mümkün kıldığını belirtiyor. Yine de yapay zekâya insan biyolojisinin gerçekte nasıl işlediğini öğretmekten hâlâ uzak olduğumuzu söylüyor. Bunun nedeni, döngüde yeterli insan verisinin bulunmaması.
Analiz giderek otomatikleşip dışarıya devredilirse araştırmacılar tek hücre verisini kendi başlarına analiz etme becerisini yitirir mi? Schnall-Levin bunu teknolojik ilerlemenin eski bir sorusu olarak görüyor. Bugün çok az kişi yıldızlara bakarak yön bulabiliyor, çünkü modern teknoloji buna gerek bırakmıyor. İki ucu keskin bir kılıç olsa da yeni teknolojilerin yararlarının büyük olasılıkla olumsuz yanlarını aşacağını düşünüyor.
Haber kaynağı: GEN
Tüm Hakları Saklıdır © 2026 - Tasarım ve Yazılım: brain.work