Model IRIS z MIT odtwarza sygnały kształtujące komórki zarodka
Badacze z MIT i Whitehead Institute stworzyli IRIS, sieć neuronową, która na podstawie aktywności genów wnioskuje, jakie sygnały chemiczne otrzymała komórka w trakcie rozwoju.

Zespół kierowany przez profesor biologii z MIT Pulin Li oraz doktoranta Nicholasa Hutchinsa opracował IRIS, model uczenia maszynowego, który potrafi określić, jakie sygnały otrzymały komórki rozwijającego się zarodka. Otwarta publikacja badania ukazała się w czasopiśmie Nature Methods 8 września 2026 roku. Li jest także członkinią Whitehead Institute for Biomedical Research.
Komórki macierzyste w zarodku specjalizują się w komórki mózgu, wątroby czy mięśni częściowo dzięki chemicznym wiadomościom wymienianym z sąsiadami. Przekazywane są one przez wieloetapowe szlaki sygnałowe, które włączają lub wyłączają określone geny. Ponieważ naukowcy przez długi czas uważali, że szlaki te działają bardzo różnie w zależności od typu komórki, ich zmapowanie wymagało testowania każdego szlaku w każdym typie komórki, co było powolne i żmudne.
Spójny odcisk palca dla każdego szlaku
Badacze odkryli, że każdy szlak sygnałowy pozostawia charakterystyczny wzorzec w aktywności genów i że wzorzec ten pozostaje stały w różnych typach komórek. IRIS, sieć neuronowa, odczytuje ogólną ekspresję genów komórki i szacuje, które szlaki były aktywne w określonych momentach, także w typach komórek, na których nigdy nie był trenowany. Li porównała to do asystentów głosowych, trenowanych głównie w języku angielskim, które mimo to potrafią rozpoznawać inne języki, i nazwała to uczeniem transferowym.
Model trenowano na danych eksperymentalnych, które śledziły, jak tysiące ludzkich embrionalnych komórek macierzystych reagowało na kilkadziesiąt kombinacji sześciu głównych szlaków sygnałowych na kilku etapach rozwoju. Zespół przetestował go następnie na pojedynczych komórkach z zarodków myszy podczas gastrulacji, gdy komórki szybko różnicują się na odmienne przeznaczenia. IRIS trafnie przewidział, kiedy i gdzie szlaki się włączały w komórkach zmierzających w stronę tkanki serca, jelit, mięśni i rdzenia kręgowego.
Potwierdzenie w rozwoju płuc
Na pytanie, jakie sygnały są potrzebne do wytworzenia typu komórki kluczowego dla rozwoju płuc, IRIS przewidział, że aktywacja określonego szlaku popchnie komórki w stronę tożsamości płucnej, a eksperymenty na zarodkach myszy to potwierdziły. „IRIS pomaga nam odczytać język, którym komórki się ze sobą porozumiewają” – powiedział Hutchins.
Badacze twierdzą, że to podejście może przyspieszyć inżynierię komórek macierzystych w medycynie regeneracyjnej oraz udoskonalić organoidy, czyli miniaturowe trójwymiarowe modele narządów wykorzystywane do badania chorób i testowania leków. Lepsza hodowana w laboratorium tkanka płuc mogłaby wspierać badania nad astmą, rakiem płuc i włóknieniem płuc, pomagać w ocenie potencjalnych terapii i ostatecznie kierować leczeniem, które naprawia uszkodzoną tkankę.
Komentarze
Nie ma jeszcze komentarzy. Rozpocznij dyskusję lub zadaj pytanie.
Powiązane
Apollo Research informuje, że chiński model GLM-5.3 firmy Z.ai samodzielnie rozważał, jak jego zachowanie podczas testów bezpieczeństwa może wpłynąć na trening kolejnych wersji.
OpenAI opublikowało na GitHubie setki wyników matematycznych z niewydanego modelu, wywołując pochwały, sceptycyzm i wezwanie do bojkotu.
Badacze Microsoftu opisali w Nature metodę uczenia maszynowego PBC, która koryguje systematyczne błędy istniejących modeli prognoz, poprawiając przewidywania z wyprzedzeniem od dwóch do sześciu tygodni.


