Temas en tendencia
#
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.
¿Cómo puede un embrión "calcular" de forma fiable su forma —"célula por célula"— usando únicamente interacciones y mecánicas locales, y a la vez producir un plan corporal global preciso? Me entusiasma compartir nuestro artículo de Nature Methods "MultiCell: aprendizaje geométrico en el desarrollo multicelular", presentando #AIxBiology investigación liderada por @HaiqianYang y el resultado de una gran colaboración con Ming Guo, George Roy, Tomer Stern, Anh Nguyen y Dapeng Bi.
Un desafío de larga duración en la biología del desarrollo es predecir cómo miles de células se autoorganizan colectivamente a medida que los tejidos se pliegan, dividen y reorganizan. En MultiCell, representamos un embrión en desarrollo como un grafo dual que unifica dos visiones complementarias de la mecánica tisular con la resolución de una sola célula: las células como puntos móviles (granulares) y las células como una espuma conectada (red de uniones). Esto permite al modelo aprender dinámica tanto de la geometría como de la conectividad célula-célula.
En películas de lámina 4D de embrión completo de gastrulación de Drosophila (~5.000 células), nuestro modelo predice comportamientos celulares clave y el momento de los eventos, incluyendo la pérdida de la unión, reordenaciones y divisiones, con alta precisión, a resolución de célula única. Más allá de la predicción, la misma representación permite una alineación temporal robusta entre embriones y ofrece mapas de activación interpretables que destacan los "impulsores" morfogenéticos del desarrollo. El objetivo más amplio es una base para la predicción célula por célula en tejidos más complejos y, eventualmente, para detectar sutiles firmas dinámicas de enfermedades.
¡Enhorabuena al equipo por esta inspiradora colaboración con investigadores brillantes para llevar al límite la IA en biología!
Citación: Yang, H., Roy, G., Nguyen, A.Q., Buehler, M.J., et al. MultiCell: aprendizaje geométrico en el desarrollo multicelular. Nature Methods (2025), DOI: 10.1038/s41592-025-02983-x
Los enlaces de código/datos están en el manuscrito.
Populares
Ranking
Favoritas
