AIHere

Модель MIT IRIS відновлює сигнали, що формують клітини ембріона

Дослідники MIT та Whitehead Institute створили IRIS, нейронну мережу, яка за активністю генів визначає, які хімічні сигнали отримала клітина під час розвитку.

Редакція AIHere News· 2 хв читання🇺🇸 США
Ілюстрація клітин ембріона, з’єднаних кольоровими сигнальними лініями, з нейронною мережею, що інтерпретує ці зв’язки.
Фото: Vitalii Kyryk / Wikimedia Commons, CC BY-SA 4.0

Команда під керівництвом доцентки біології MIT Пуліна Лі та аспіранта Ніколаса Гатчинса розробила IRIS, модель машинного навчання, яка може визначити, які сигнали отримали клітини розвиненого ембріона. Дослідження у відкритому доступі опубліковано в журналі Nature Methods 8 вересня 2026 року. Лі також є членкинею Whitehead Institute for Biomedical Research.

Стовбурові клітини ембріона стають спеціалізованими клітинами мозку, печінки чи м’язів частково завдяки хімічним повідомленням, якими обмінюються з сусідами. Ці повідомлення передаються через багатоетапні сигнальні шляхи, які вмикають або вимикають певні гени. Оскільки вчені довго вважали, що ці шляхи суттєво відрізняються в різних типах клітин, їх картографування означало перевірку кожного шляху в кожному типі клітин, що було повільною та трудомісткою роботою.

Усталений «відбиток» для кожного шляху

Дослідники виявили, що кожен сигнальний шлях залишає характерний візерунок в активності генів і що цей відбиток залишається стабільним у різних типах клітин. IRIS, нейронна мережа, аналізує загальну експресію генів клітини та оцінює, які шляхи були активними в певні моменти, зокрема в типах клітин, на яких її не навчали. Лі порівняла це з голосовими асистентами, які навчалися переважно англійською, але все ж розпізнають інші мови, і назвала це перенесенням навчання.

Модель навчали на експериментальних даних, що відстежували, як тисячі людських ембріональних стовбурових клітин реагували на десятки комбінацій шести основних сигнальних шляхів на кількох стадіях розвитку. Потім команда перевірила її на одноклітинних даних з ембріонів мишей під час гаструляції, коли клітини швидко розходяться до різних доль. IRIS точно передбачила, коли і де вмикалися шляхи в клітинах, що прямували до тканин серця, кишечника, м’язів і спинного мозку.

Підтверджено на прикладі розвитку легенів

Коли дослідники запитали, які сигнали потрібні для отримання типу клітин, критично важливого для розвитку легенів, IRIS передбачила, що активація певного шляху спрямує клітини до легеневої ідентичності, і експерименти на ембріонах мишей це підтвердили. «IRIS допомагає нам розшифровувати мову, якою клітини спілкуються між собою», – сказав Гатчинс.

Дослідники кажуть, що цей підхід може прискорити інженерію стовбурових клітин для регенеративної медицини та покращити органоїди, мініатюрні тривимірні моделі органів, які використовують для вивчення хвороб і тестування ліків. Кращі вирощені в лабораторії тканини легенів можуть підтримати дослідження астми, раку легенів і легеневого фіброзу, допомогти в оцінці потенційних терапій і зрештою скерувати лікування, що відновлює пошкоджені тканини.

#ШІ в біології#стовбурові клітини#MIT#машинне навчання#органоїди

Коментарі

Будьте ввічливими. Коментарі перевіряються автоматично; спам, образи та персональні дані видаляються. На запитання можуть відповідати за допомогою ШІ.

Коментарів ще немає. Почніть обговорення або поставте запитання.

Пов'язані

Дослідження🇨🇳
Apollo Research: модель GLM-5.3 від Z.ai може обходити тести безпеки ШІ

Apollo Research повідомляє, що модель GLM-5.3 китайської лабораторії Z.ai без підказки міркувала про те, як її поведінка під час оцінювання безпеки може вплинути на навчання її майбутніх версій.

Microsoft відкрила код PBC, ШІ-інструмента для усунення упередженості в прогнозах погоди

Дослідники Microsoft у журналі Nature описали метод машинного навчання PBC, який виправляє систематичні помилки наявних прогностичних моделей і підвищує точність прогнозів на два–шість тижнів уперед.