MIT的IRIS人工智能模型可还原塑造胚胎细胞的信号

由麻省理工学院生物学助理教授李普林（Pulin Li）与研究生尼古拉斯·哈钦斯（Nicholas Hutchins）领导的团队开发了IRIS，这是一种机器学习模型，可推算发育中胚胎的细胞接收到了哪些信号。该开放获取研究于2026年9月8日发表在《自然·方法》（Nature Methods）上。李普林同时也是怀特黑德生物医学研究所的成员。

胚胎中的干细胞之所以能分化为脑细胞、肝细胞或肌肉细胞，部分原因在于它们与邻近细胞之间交换的化学信息。这些信息通过多步骤的信号通路传递，并开启或关闭特定基因。由于科学家长期认为这些通路在不同细胞类型中的运作方式差异很大，要绘制它们的图谱就必须在每种细胞类型中逐一检测每条通路，这是一项缓慢而繁重的工作。

每条通路都有一致的特征指纹

研究人员发现，每条信号通路都会在基因活动中留下独特的模式，而且这一特征指纹在不同细胞类型中保持稳定。作为神经网络的IRIS通过读取细胞的整体基因表达，即可推断哪些通路在特定时刻处于活跃状态，包括在其未经训练的细胞类型中。李普林将其比作主要用英语训练的语音助手仍能识别其他语言，并称之为迁移学习。

该模型基于实验数据进行训练，这些数据记录了数千个人类胚胎干细胞在多个发育阶段对六条主要信号通路的数十种组合所作出的反应。随后，研究团队用小鼠胚胎在原肠胚形成期（细胞迅速分化为不同命运的阶段）的单细胞数据对其进行测试。IRIS准确预测了朝向心脏、肠道、肌肉和脊髓组织发育的细胞中，各条通路何时以及在何处被激活。

在肺发育中得到验证

当被问及要产生对肺发育至关重要的某种细胞类型需要哪些信号时，IRIS预测激活某条特定通路会促使细胞向肺部身份转化，小鼠胚胎实验证实了这一结论。哈钦斯表示：“IRIS正在帮助我们破译细胞之间相互交流所使用的语言。”

研究人员表示，这一方法有望加快再生医学中的干细胞工程进程，并改进类器官技术。类器官是用于研究疾病和测试药物的微型三维器官模型。更好的实验室培育肺组织可助力哮喘、肺癌和肺纤维化的研究，帮助评估候选疗法，并最终指导修复受损组织的治疗。