Làm thế nào một phôi thai có thể "tính toán" một cách đáng tin cậy hình dạng của nó - "từng tế bào một" - chỉ bằng cách sử dụng các tương tác và cơ học cục bộ, nhưng vẫn tạo ra một kế hoạch toàn cầu chính xác? Tôi rất vui được chia sẻ bài báo của chúng tôi trên Nature Methods "MultiCell: học hình học trong sự phát triển đa tế bào", trình bày nghiên cứu #AIxBiology do @HaiqianYang dẫn dắt và là kết quả của một sự hợp tác tuyệt vời với Ming Guo, George Roy, Tomer Stern, Anh Nguyen và Dapeng Bi. Một thách thức lâu dài trong sinh học phát triển là dự đoán cách hàng ngàn tế bào tự tổ chức thành các mô khi chúng gập lại, phân chia và sắp xếp lại. Trong MultiCell, chúng tôi đại diện cho một phôi đang phát triển như một đồ thị kép thống nhất hai quan điểm bổ sung về cơ học mô với độ phân giải tế bào đơn: tế bào như những điểm di chuyển (hạt) và tế bào như một bọt kết nối (mạng giao điểm). Điều này cho phép mô hình học được động lực từ cả hình học và tính kết nối giữa các tế bào. Trên các bộ phim ánh sáng 4D toàn bộ phôi của sự gastrulation ở Drosophila (~5.000 tế bào), mô hình của chúng tôi dự đoán các hành vi tế bào chính và thời gian của các sự kiện, bao gồm mất giao điểm, sắp xếp lại và phân chia với độ chính xác cao, ở độ phân giải tế bào đơn. Ngoài việc dự đoán, cùng một đại diện hỗ trợ việc căn chỉnh thời gian mạnh mẽ giữa các phôi và cung cấp các bản đồ kích hoạt có thể giải thích, làm nổi bật các "yếu tố thúc đẩy" hình thành của sự phát triển. Mục tiêu rộng hơn là xây dựng nền tảng cho việc dự đoán từng tế bào trong các mô phức tạp hơn, và cuối cùng là phát hiện các dấu hiệu động lực tinh vi của bệnh tật. Chúc mừng đội ngũ vì sự hợp tác đầy cảm hứng này với những nhà nghiên cứu xuất sắc để đẩy ranh giới của AI cho sinh học! Trích dẫn: Yang, H., Roy, G., Nguyen, A.Q., Buehler, M.J., et al. MultiCell: học hình học trong sự phát triển đa tế bào. Nature Methods (2025), DOI: 10.1038/s41592-025-02983-x Liên kết mã/dữ liệu có trong bản thảo.