Ogni via di segnalazione cellulare lascia un’impronta genica univoca e costante tra diversi tipi cellulari. Lo rivela uno studio, pubblicato sulla rivista Nature Methods, condotto dagli scienziati del Whitehead Institute e del Massachusetts Institute of Technology (MIT). Il team, guidato da Pulin Li e Nicholas Hutchins, ha utilizzato il modello di intelligenza artificiale Iris per ricostruire la cronologia dei segnali ricevuti da ciascuna cellula durante lo sviluppo embrionale, superando il limite di dover mappare ogni tipo di cellula in modo indipendente.
La rete neurale, spiegano gli esperti, e’ stata infatti addestrata sulla base di un ampio set di dati di cellule staminali embrionali umane esposte a varie combinazioni di vie di segnalazione. Sfruttando l’apprendimento per trasferimento (transfer learning), Iris riconosce le impronte di segnalazione anche in tipi cellulari mai incontrati prima. Il modello e’ stato validato su embrioni di topo durante la gastrulazione, predicendo con successo i segnali di differenziazione e guidando la creazione in vitro di specifiche cellule polmonari. “Per comprendere il suo funzionamento – afferma Li – si pensi ai sistemi di riconoscimento vocale come Siri, che sono addestrati principalmente in inglese, ma utilizzano le informazioni che hanno per riconoscere anche altre lingue. Questa capacità si chiama transfer learning, ed e’ il motivo per cui Iris puo’ funzionare su molti tipi cellulari diversi”. “Iris – aggiunge Hutchins – si e’ rivelato molto utile per decodificare il linguaggio che le cellule usano per comunicare tra loro a una velocita’ molto superiore rispetto a quella sperimentale”. La tecnologia, commentano gli scienziati, accelerera’ l’ingegneria delle cellule staminali per la medicina rigenerativa e migliorera’ la creazione di organoidi 3D. Questi modelli cellulari avanzati, concludono gli autori, permetteranno di studiare i meccanismi di malattie come l’asma, il cancro e la fibrosi polmonare, accelerando lo sviluppo e il test di nuovi farmaci.
