MIT's AI-model IRIS reconstrueert de signalen die embryocellen vormgeven

Een team onder leiding van MIT-universitair hoofddocent biologie Pulin Li en promovendus Nicholas Hutchins heeft IRIS ontwikkeld, een machine learning-model dat kan vaststellen welke signalen cellen in een zich ontwikkelend embryo hebben ontvangen. De open-access studie verscheen op 8 september 2026 in Nature Methods. Li is ook lid van het Whitehead Institute for Biomedical Research.

Stamcellen in een embryo worden deels via chemische boodschappen die ze met hun buren uitwisselen gespecialiseerd tot hersen-, lever- of spiercellen. Die boodschappen reizen via meerstapsignaleringsroutes die specifieke genen aan- of uitzetten. Omdat wetenschappers lange tijd dachten dat deze routes van celtype tot celtype sterk verschilden, betekende het in kaart brengen ervan dat elke route in elk celtype getest moest worden, een trage en arbeidsintensieve klus.

Een consistente vingerafdruk per route

De onderzoekers ontdekten dat elke signaleringsroute een kenmerkend patroon in de genactiviteit achterlaat en dat deze vingerafdruk over celtypen heen stabiel blijft. IRIS, een neuraal netwerk, leest de totale genexpressie van een cel en schat in welke routes op bepaalde momenten actief waren, ook in celtypen waarop het nooit getraind was. Li vergeleek dit met spraakassistenten die vooral in het Engels zijn getraind maar toch andere talen oppikken, en noemde het transfer learning.

Het model werd getraind op experimentele data die volgden hoe duizenden menselijke embryonale stamcellen reageerden op tientallen combinaties van zes belangrijke signaleringsroutes in verschillende ontwikkelingsfasen. Het team testte het vervolgens op afzonderlijke cellen uit muizenembryo's tijdens gastrulatie, de fase waarin cellen zich snel in verschillende lotsbestemmingen splitsen. IRIS voorspelde nauwkeurig wanneer en waar routes aangingen in cellen die zich richtten op hart-, darm-, spier- en ruggenmergweefsel.

Bevestigd in de longontwikkeling

Toen IRIS werd gevraagd welke signalen nodig zijn om een celtype te maken dat essentieel is voor de longontwikkeling, voorspelde het model dat het activeren van een bepaalde route cellen naar een longidentiteit zou duwen, en experimenten in muizenembryo's bevestigden dit. "IRIS helpt ons de taal te ontcijferen die cellen gebruiken om met elkaar te communiceren," zei Hutchins.

De onderzoekers stellen dat de aanpak de ontwikkeling van stamcellen voor regeneratieve geneeskunde kan versnellen en organoïden kan verbeteren, de miniatuur-3D-modellen van organen die worden gebruikt om ziekten te bestuderen en geneesmiddelen te testen. Beter gekweekt longweefsel zou onderzoek naar astma, longkanker en longfibrose kunnen ondersteunen, helpen kandidaat-therapieën te evalueren en uiteindelijk behandelingen kunnen sturen die beschadigd weefsel herstellen.