AIHere

Le modèle d'IA IRIS du MIT reconstitue les signaux qui façonnent les cellules embryonnaires

Des chercheurs du MIT et du Whitehead Institute ont conçu IRIS, un réseau de neurones qui déduit, à partir de l'activité des gènes, les signaux chimiques reçus par une cellule pendant le développement.

Rédaction AIHere· 2 min de lecture🇺🇸 États-Unis
Illustration de cellules embryonnaires reliées par des lignes de signal colorées, avec un réseau de neurones qui interprète ces connexions.
Photo: Vitalii Kyryk / Wikimedia Commons, CC BY-SA 4.0

Une équipe dirigée par Pulin Li, professeur adjoint de biologie au MIT, et par Nicholas Hutchins, étudiant en doctorat, a mis au point IRIS, un modèle d'apprentissage automatique capable de déterminer quels signaux ont reçu les cellules d'un embryon en développement. Cette étude en libre accès a été publiée dans Nature Methods le 8 septembre 2026. Pulin Li est également membre du Whitehead Institute for Biomedical Research.

Dans un embryon, les cellules souches se spécialisent en cellules du cerveau, du foie ou du muscle, en partie grâce à des messages chimiques échangés avec leurs voisines. Ces messages passent par des voies de signalisation en plusieurs étapes, qui activent ou désactivent certains gènes. Comme les scientifiques pensaient depuis longtemps que ces voies fonctionnaient très différemment d'un type cellulaire à l'autre, les cartographier impliquait de tester chaque voie dans chaque type cellulaire, un travail lent et fastidieux.

Une empreinte cohérente pour chaque voie

Les chercheurs ont constaté que chaque voie de signalisation laisse un motif distinctif dans l'activité des gènes, et que cette empreinte reste stable d'un type cellulaire à l'autre. IRIS, un réseau de neurones, analyse l'expression globale des gènes d'une cellule et estime quelles voies étaient actives à certains moments, y compris dans des types cellulaires sur lesquels il n'a jamais été entraîné. Pulin Li compare cela aux assistants vocaux entraînés principalement en anglais, capables malgré tout de comprendre d'autres langues, et parle d'apprentissage par transfert.

Le modèle a été entraîné sur des données expérimentales décrivant la réponse de milliers de cellules souches embryonnaires humaines à des dizaines de combinaisons de six grandes voies de signalisation, à plusieurs stades du développement. L'équipe l'a ensuite testé sur des cellules isolées d'embryons de souris pendant la gastrulation, période où les cellules se différencient rapidement en destins distincts. IRIS a prédit avec précision quand et où les voies s'activaient dans les cellules destinées à devenir du tissu cardiaque, intestinal, musculaire et de la moelle épinière.

Confirmé dans le développement pulmonaire

Interrogé sur les signaux nécessaires pour produire un type cellulaire essentiel au développement des poumons, IRIS a prédit que l'activation d'une voie particulière orienterait les cellules vers une identité pulmonaire, et des expériences sur des embryons de souris l'ont confirmé. « IRIS nous aide à déchiffrer le langage que les cellules utilisent pour communiquer entre elles », a déclaré Nicholas Hutchins.

Les chercheurs estiment que cette approche pourrait accélérer l'ingénierie des cellules souches pour la médecine régénérative et améliorer les organoïdes, ces modèles miniatures en 3D d'organes utilisés pour étudier les maladies et tester des médicaments. Un tissu pulmonaire cultivé en laboratoire de meilleure qualité pourrait soutenir la recherche sur l'asthme, le cancer du poumon et la fibrose pulmonaire, aider à évaluer des thérapies candidates et, à terme, guider des traitements capables de réparer les tissus endommagés.

#IA en biologie#cellules souches#MIT#apprentissage automatique#organoïdes

Commentaires

Soyez respectueux. Les commentaires sont vérifiés automatiquement ; le spam, les insultes et les données personnelles sont supprimés. Les questions peuvent recevoir une réponse de l'IA.

Aucun commentaire pour le moment. Lancez la discussion ou posez une question.

Articles liés