AIHere

Il modello IRIS del MIT ricostruisce i segnali che plasmano le cellule embrionali

I ricercatori del MIT e del Whitehead Institute hanno sviluppato IRIS, una rete neurale che deduce quali segnali chimici una cellula ha ricevuto durante lo sviluppo a partire dalla sua attività genica.

Redazione AIHere· 2 min di lettura🇺🇸 Stati Uniti
Illustrazione di cellule embrionali collegate da linee di segnale colorate, con una rete neurale che interpreta le connessioni.
Foto: Vitalii Kyryk / Wikimedia Commons, CC BY-SA 4.0

Un team guidato da Pulin Li, professore assistente di biologia al MIT, e dal dottorando Nicholas Hutchins ha sviluppato IRIS, un modello di machine learning in grado di stabilire quali segnali hanno ricevuto le cellule di un embrione in via di sviluppo. Lo studio, ad accesso aperto, è stato pubblicato su Nature Methods l'8 settembre 2026. Li fa inoltre parte del Whitehead Institute for Biomedical Research.

Le cellule staminali di un embrione si specializzano in cellule del cervello, del fegato o del muscolo anche grazie ai messaggi chimici scambiati con le cellule vicine. Questi messaggi viaggiano attraverso vie di segnalazione a più fasi che attivano o disattivano geni specifici. Poiché per molto tempo gli scienziati hanno ritenuto che tali vie si comportassero in modo molto diverso da un tipo cellulare all'altro, mapparle significava testare ogni via in ogni tipo cellulare, un lavoro lento e laborioso.

Un'impronta coerente per ogni via

I ricercatori hanno scoperto che ogni via di segnalazione lascia un modello distintivo nell'attività genica e che tale impronta resta stabile tra i diversi tipi cellulari. IRIS, una rete neurale, legge l'espressione genica complessiva di una cellula e stima quali vie fossero attive in determinati momenti, anche nei tipi cellulari su cui non era stato addestrato. Li lo ha paragonato agli assistenti vocali addestrati principalmente in inglese che riescono comunque a riconoscere altre lingue, parlando di transfer learning.

Il modello è stato addestrato su dati sperimentali che registravano come migliaia di cellule staminali embrionali umane rispondessero a decine di combinazioni di sei grandi vie di segnalazione in diverse fasi dello sviluppo. Il team lo ha poi testato su singole cellule di embrioni di topo durante la gastrulazione, quando le cellule si differenziano rapidamente in destini diversi. IRIS ha previsto con precisione quando e dove si attivavano le vie nelle cellule destinate a diventare tessuto cardiaco, intestinale, muscolare e del midollo spinale.

Confermato nello sviluppo polmonare

Alla domanda su quali segnali servano per produrre un tipo cellulare fondamentale per lo sviluppo dei polmoni, IRIS ha previsto che l'attivazione di una specifica via avrebbe spinto le cellule verso un'identità polmonare, e gli esperimenti sugli embrioni di topo lo hanno confermato. "IRIS ci sta aiutando a decifrare il linguaggio che le cellule usano per comunicare tra loro", ha dichiarato Hutchins.

I ricercatori sostengono che questo approccio potrebbe accelerare l'ingegnerizzazione delle cellule staminali per la medicina rigenerativa e migliorare gli organoidi, i modelli tridimensionali in miniatura di organi usati per studiare le malattie e testare i farmaci. Un tessuto polmonare coltivato in laboratorio di qualità migliore potrebbe sostenere la ricerca su asma, tumore del polmone e fibrosi polmonare, aiutare a valutare terapie candidate e, in prospettiva, guidare trattamenti capaci di riparare tessuti danneggiati.

#AI in biologia#cellule staminali#MIT#machine learning#organoidi

Commenti

Sii rispettoso. I commenti vengono controllati automaticamente; lo spam, gli insulti e i dati personali vengono rimossi. Le domande possono ricevere risposta dall'IA.

Nessun commento per ora. Avvia la discussione o fai una domanda.

Correlate