AIHere

Modelo de IA do MIT, IRIS, reconstrói os sinais que moldam as células embrionárias

Pesquisadores do MIT e do Whitehead Institute criaram o IRIS, uma rede neural que deduz, a partir da atividade gênica, quais sinais químicos uma célula recebeu durante o desenvolvimento.

Redação AIHere· 2 min de leitura🇺🇸 Estados Unidos
Ilustração de células embrionárias conectadas por linhas coloridas de sinalização, com uma rede neural interpretando as conexões.
Foto: Vitalii Kyryk / Wikimedia Commons, CC BY-SA 4.0

Uma equipe liderada por Pulin Li, professor assistente de biologia do MIT, e pelo estudante de pós-graduação Nicholas Hutchins desenvolveu o IRIS, um modelo de aprendizado de máquina capaz de identificar quais sinais as células de um embrião em desenvolvimento receberam. O estudo, de acesso aberto, foi publicado na Nature Methods em 8 de setembro de 2026. Li também é membro do Whitehead Institute for Biomedical Research.

As células-tronco de um embrião se tornam células especializadas do cérebro, do fígado ou do músculo em parte por meio de mensagens químicas trocadas com as células vizinhas. Essas mensagens percorrem vias de sinalização com várias etapas, que ativam ou desativam genes específicos. Como os cientistas acreditavam há muito tempo que essas vias se comportavam de maneira bem diferente de um tipo celular para outro, mapeá-las significava testar cada via em cada tipo celular, um trabalho lento e árduo.

Uma assinatura consistente para cada via

Os pesquisadores descobriram que cada via de sinalização deixa um padrão distintivo na atividade gênica e que essa assinatura se mantém estável entre os tipos celulares. O IRIS, uma rede neural, analisa a expressão gênica geral de uma célula e estima quais vias estavam ativas em momentos específicos, inclusive em tipos celulares com os quais nunca foi treinado. Li comparou isso aos assistentes de voz treinados sobretudo em inglês que, ainda assim, conseguem reconhecer outros idiomas, e chamou o fenômeno de aprendizado por transferência.

O modelo foi treinado com dados experimentais que acompanharam como milhares de células-tronco embrionárias humanas responderam a dezenas de combinações de seis vias de sinalização importantes, em várias fases do desenvolvimento. Em seguida, a equipe o testou com células isoladas de embriões de camundongos durante a gastrulação, quando as células se diferenciam rapidamente em destinos distintos. O IRIS previu com precisão quando e onde as vias foram ativadas em células destinadas a tecidos do coração, do intestino, do músculo e da medula espinhal.

Confirmado no desenvolvimento pulmonar

Quando questionado sobre quais sinais são necessários para produzir um tipo celular essencial ao desenvolvimento do pulmão, o IRIS previu que a ativação de uma via específica levaria as células a adquirir identidade pulmonar, e experimentos em embriões de camundongos confirmaram a previsão. "O IRIS está nos ajudando a decifrar a linguagem que as células usam para se comunicar", disse Hutchins.

Os pesquisadores afirmam que a abordagem pode acelerar a engenharia de células-tronco para a medicina regenerativa e aprimorar os organoides, modelos tridimensionais em miniatura de órgãos usados para estudar doenças e testar medicamentos. Tecido pulmonar cultivado em laboratório de melhor qualidade poderia apoiar pesquisas sobre asma, câncer de pulmão e fibrose pulmonar, ajudar a avaliar terapias candidatas e, eventualmente, orientar tratamentos que reparem tecidos danificados.

#IA em biologia#células-tronco#MIT#aprendizado de máquina#organoides

Comentários

Seja respeitoso. Os comentários são verificados automaticamente; spam, ofensas e dados pessoais são removidos. As perguntas podem ser respondidas por IA.

Ainda não há comentários. Inicie a discussão ou faça uma pergunta.

Relacionadas