Pesquisa· atualizado em · 4 min de leitura· Redação Invision

IRIS: modelo de IA do MIT decodifica sinais entre células

Modelo de IA IRIS, do MIT e do Whitehead Institute, identifica impressões digitais de vias de sinalização e reconstrói o histórico de sinais das células.

Resumo: Pesquisadores do MIT e do Whitehead Institute criaram o IRIS, um modelo de IA que reconhece padrões de atividade gênica ligados a vias de sinalização celular e estima quais sinais uma célula recebeu durante o desenvolvimento. A descoberta importa agora porque dispensa mapear cada via em cada tipo de célula separadamente, abrindo caminho para reconstruir históricos de sinalização em escala em embriões de camundongo e humano.

Pontos-chave

  • O IRIS é uma rede neural que reconhece impressões digitais de vias de sinalização celular.
  • As impressões digitais se mantêm consistentes entre tipos celulares para a mesma via.
  • O modelo foi validado em células de camundongo durante a gastrulação.
  • Previsões sobre desenvolvimento pulmonar foram confirmadas em experimentos.
  • O estudo foi publicado na Nature Methods em 8 de setembro, em acesso aberto.
Nesta matéria

O que o IRIS descobriu sobre a comunicação entre células#

Células trocam sinais químicos com vizinhas por meio de vias de sinalização, que convertem estímulos externos em mudanças na atividade dos genes. Até então, cientistas assumiam que o efeito dessas vias variava muito entre tipos celulares, o que exigia mapear cada via em cada tipo separadamente.

O estudo liderado por Pulin Li, professora do MIT e membro do Whitehead Institute for Biomedical Research, com o estudante de pós-graduação Nicholas Hutchins, mostrou que cada via deixa uma impressão digital própria de atividade gênica. Essas marcas se mantêm consistentes entre diferentes tipos de célula para a mesma via.

  • Cada via de sinalização gera um padrão distinto de atividade gênica.
  • O padrão se repete em tipos celulares diferentes para a mesma via.
  • Isso permite reconstruir históricos de sinalização sem mapear tudo do zero.

Como o modelo de IA funciona na prática#

O IRIS é uma rede neural treinada para reconhecer padrões em dados complexos. Ele analisa a atividade gênica global de uma célula e estima quais vias de sinalização estavam ativas em determinados momentos do desenvolvimento.

O treinamento usou um conjunto experimental amplo, que mediu a resposta de milhares de células-tronco embrionárias humanas a dezenas de combinações de seis grandes vias de sinalização em várias etapas. O resultado foi um atlas de como as combinações de sinais influenciam o comportamento celular.

  • Base do IRIS: rede neural aplicada a dados de expressão gênica.
  • Treino com células-tronco embrionárias humanas e seis vias principais.
  • Capacidade de inferir sinais mesmo em tipos celulares não vistos antes.

Por que o transfer learning é central no IRIS#

Li compara o IRIS a sistemas de reconhecimento de voz treinados em inglês que passam a reconhecer outros idiomas. Esse mecanismo, o transfer learning, explica por que o modelo consegue atuar em muitos tipos de célula diferentes.

Na prática, o modelo não precisa ser reentrenado do zero para cada novo contexto celular, o que reduz o esforço experimental necessário para reconstruir históricos de sinalização.

  • Transfer learning permite generalizar o aprendizado entre tipos celulares.
  • Menos dependência de testes experimentais via a via, célula a célula.

Quais evidências validaram o modelo#

A equipe testou o IRIS com células individuais de embriões de camundongo durante a gastrulação, fase em que as células se ramificam rapidamente em destinos distintos. O modelo previu com precisão quando e onde vias específicas se ativariam em células destinadas a tecidos como coração, intestino, músculo e medula espinhal.

Em outro teste, o IRIS indicou que ativar uma via específica favoreceria o desenvolvimento de um tipo celular crítico para o pulmão. Experimentos em embriões de camundongo confirmaram a previsão, segundo os pesquisadores.

  • Validação em células de camundongo durante a gastrulação.
  • Previsões corretas para tecidos de coração, intestino, músculo e medula.
  • Previsão sobre desenvolvimento pulmonar confirmada em experimentos.

O que a descoberta viabiliza em medicina regenerativa#

Conhecer o padrão de sinais que leva uma célula-tronco a se tornar um tipo específico permite recriar esses estímulos para controlar o destino celular em laboratório. Isso pode acelerar a engenharia de células-tronco e a produção de organoides, modelos 3D em miniatura que imitam órgãos reais.

Organoides pulmonares mais precisos, por exemplo, podem ajudar a estudar doenças como asma, câncer de pulmão e fibrose pulmonar, além de servir para testar terapias. Os achados foram publicados na Nature Methods em 8 de setembro, em formato de acesso aberto.

  • Controle do destino de células-tronco a partir de sinais identificados.
  • Organoides mais fiéis para estudar doenças e testar fármacos.
  • Publicação em acesso aberto na Nature Methods.

O que isso muda para quem usa IA#

Para quem desenvolve com IA, o caso do IRIS mostra como transfer learning e redes neurais podem ser aplicados a dados biológicos complexos, reduzindo experimentos repetitivos. É um exemplo de modelo treinado em um domínio que generaliza para outros contextos sem reengenharia completa.

A Invision reúne vários modelos de IA em uma única chave, o que facilita testar abordagens diferentes para problemas de reconhecimento de padrões sem gerenciar integrações separadas. A escolha do modelo deve considerar o tipo de dado e a necessidade de generalização.

  • Transfer learning reduz custo de adaptação a novos contextos.
  • Acesso multimodelo por uma chave simplifica experimentação.
  • Avalie generalização antes de aplicar um modelo a novos domínios.

Perguntas frequentes

O que é o IRIS, modelo de IA do MIT?

É uma rede neural que identifica impressões digitais de vias de sinalização celular e estima quais sinais uma célula recebeu durante o desenvolvimento, inclusive em tipos celulares não vistos no treino.

Por que as impressões digitais de sinalização importam?

Porque são consistentes entre tipos de célula para a mesma via, o que permite reconstruir históricos de sinalização em muitos contextos sem mapear cada via em cada tipo celular.

Onde o estudo foi publicado?

Os achados saíram na Nature Methods em 8 de setembro, em formato de acesso aberto, segundo a notícia do MIT News.

O IRIS já foi testado em embriões humanos?

A notícia relata testes com células de embriões de camundongo durante a gastrulação e treinamento com células-tronco embrionárias humanas. Não foi informado uso do modelo em embriões humanos completos.

Como isso ajuda no desenvolvimento de organoides?

Ao identificar as combinações de sinais que levam uma célula-tronco a um tipo específico, pesquisadores podem recriar esses estímulos para gerar modelos de tecido mais precisos para estudar doenças e testar terapias.

mitiriscélulas-troncotransfer learningorganoidessinalização celular

Fonte original: AI model decodes the language cells use to communicate (MIT News). Matéria escrita pela redação da Invision a partir dessa notícia. Versão em texto.