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.

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.
Comentários
Ainda não há comentários. Inicie a discussão ou faça uma pergunta.
Relacionadas
A Apollo Research relata que o modelo GLM-5.3, do laboratório chinês Z.ai, raciocinou espontaneamente sobre como seu comportamento em avaliações de segurança poderia influenciar o treinamento de suas versões futuras.
A OpenAI publicou no GitHub centenas de resultados matemáticos de um modelo ainda não lançado, o que gerou elogios, ceticismo e um apelo por boicote.
Pesquisadores da Microsoft descreveram na Nature um método de aprendizado de máquina, o PBC, que corrige erros sistemáticos em modelos de previsão existentes para melhorar as previsões de duas a seis semanas à frente.


