Argomenti di tendenza
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Come fa un embrione a "calcolare" in modo affidabile la sua forma - "cellula per cellula" - utilizzando solo interazioni locali e meccanica, eppure a produrre un piano corporeo globale preciso? Sono entusiasta di condividere il nostro articolo su Nature Methods "MultiCell: apprendimento geometrico nello sviluppo multicellulare", che presenta la ricerca #AIxBiology guidata da @HaiqianYang e il risultato di una grande collaborazione con Ming Guo, George Roy, Tomer Stern, Anh Nguyen e Dapeng Bi.
Una sfida di lunga data nella biologia dello sviluppo è prevedere come migliaia di cellule si auto-organizzano collettivamente mentre i tessuti si piegano, si dividono e si riorganizzano. In MultiCell, rappresentiamo un embrione in sviluppo come un grafo duale che unifica due visioni complementari della meccanica dei tessuti con risoluzione a singola cellula: cellule come punti in movimento (granulari) e cellule come una schiuma connessa (rete di giunzioni). Questo consente al modello di apprendere le dinamiche sia dalla geometria che dalla connettività cellula-cellula.
Su filmati 4D a luce di tutto l'embrione della gastrulazione della Drosophila (~5.000 cellule), il nostro modello prevede comportamenti chiave delle cellule e il tempismo degli eventi, inclusa la perdita di giunzioni, riorganizzazioni e divisioni con alta precisione, a risoluzione di singola cellula. Oltre alla previsione, la stessa rappresentazione supporta un allineamento temporale robusto tra embrioni e offre mappe di attivazione interpretabili che evidenziano i "driver" morfogenetici dello sviluppo. L'obiettivo più ampio è una base per la previsione cellula per cellula in tessuti più complessi e, infine, per rilevare sottili firme dinamiche di malattia.
Complimenti al team per questa ispirante collaborazione con brillanti ricercatori per spingere i confini dell'AI per la biologia!
Citazione: Yang, H., Roy, G., Nguyen, A.Q., Buehler, M.J., et al. MultiCell: apprendimento geometrico nello sviluppo multicellulare. Nature Methods (2025), DOI: 10.1038/s41592-025-02983-x
I link a codice/dati sono nel manoscritto.
Principali
Ranking
Preferiti
