Cum poate un embrion să-și "calculeze" în mod fiabil forma – "celulă cu celulă" – folosind doar interacțiuni și mecanici locale, dar să producă un plan global precis al corpului? Sunt încântat să împărtășesc articolul nostru din Nature Methods "MultiCell: învățare geometrică în dezvoltarea multicelulară", prezentând #AIxBiology cercetare condusă de @HaiqianYang și rezultatul unei colaborări excelente cu Ming Guo, George Roy, Tomer Stern, Anh Nguyen și Dapeng Bi. O provocare de lungă durată în biologia dezvoltării este prezicerea modului în care mii de celule se autoorganizează colectiv pe măsură ce țesuturile se pliează, se divid și se rearanjează. În MultiCell, reprezentăm un embrion în dezvoltare ca un graf dual care unifică două viziuni complementare ale mecanicii țesuturilor cu rezoluția unei singure celule: celulele ca puncte în mișcare (granulare) și celulele ca o spumă conexă (rețea de joncțiuni). Acest lucru permite modelului să învețe dinamica atât din geometrie, cât și din conectivitatea celulă-celulă. Pe filmele luminoase 4D cu embrion întreg cu gastrulație Drosophila (~5.000 de celule), modelul nostru prezice comportamentele cheie ale celulelor și momentul evenimentelor, inclusiv pierderea joncțiunilor, rearanjamentele și diviziunile, cu o precizie ridicată, la rezoluția unei singure celule. Dincolo de predicție, aceeași reprezentare susține o aliniere temporală robustă între embrioni și oferă hărți de activare interpretabile care evidențiază "factorii" morfogenetici ai dezvoltării. Scopul mai larg este o bază pentru prognoza celulă cu celulă în țesuturi mai complexe și, în cele din urmă, pentru detectarea semnăturilor dinamice subtile ale bolilor. Felicitări echipei pentru această colaborare inspiratoare cu cercetători străluciți pentru a împinge limitele AI în biologie! Citare: Yang, H., Roy, G., Nguyen, A.Q., Buehler, M.J., și alții. MultiCell: învățare geometrică în dezvoltarea multicelulară. Nature Methods (2025), DOI: 10.1038/s41592-025-02983-x Legăturile de cod/date se află în manuscris.