Ricercatori della Harvard John A. Paulson School of Engineering and Applied Sciences (SEAS) hanno sviluppato un framework computazionale innovativo che utilizza la differenziazione automatica per prevedere come le variazioni genetiche o di segnale cellulare influenzino la configurazione degli aggregati cellulari.
Lo studio, pubblicato il 13 agosto 2025 su *Nature Computational Science*, trasforma la crescita cellulare in un problema di ottimizzazione risolvibile dai computer. Questo metodo permette di identificare con precisione l'impatto delle modifiche nei network genici sul comportamento collettivo delle cellule, aprendo la strada alla progettazione di tessuti viventi con funzioni o forme specifiche.
La ricerca, co-guidata dalla studentessa laureata Ramya Deshpande e dal ricercatore post-dottorato Francesco Mottes, con il professor Michael Brenner come autore senior, considera il controllo dell'organizzazione cellulare e della morfogenesi come un problema di ottimizzazione risolvibile tramite machine learning. La differenziazione automatica, originariamente impiegata per l'addestramento di reti neurali, viene qui applicata per prevedere gli effetti di alterazioni genetiche o di segnali cellulari sul design finale degli aggregati.
Questo approccio si inserisce nel contesto dell'ingegneria tissutale e della medicina rigenerativa, settori che mirano a riparare o sostituire tessuti e organi danneggiati. L'integrazione di modelli computazionali come questo sta rivoluzionando questi campi, consentendo strategie di trattamento personalizzate e ottimizzando gli approcci di ingegneria tissutale. La capacità di prevedere il comportamento delle cellule e dei tessuti in risposta a diversi stimoli è fondamentale per ottimizzare la progettazione di scaffold e simulare la crescita tissutale, aprendo nuove prospettive per la creazione di tessuti con proprietà meccaniche e funzioni specifiche.
La metodologia proposta da Harvard offre un percorso promettente per svelare le basi cellulari dello sviluppo e per ingegnerizzare la crescita di organi. La capacità di apprendere le regole che governano le interazioni cellulari attraverso reti genetiche interpretabili rappresenta un passo avanti cruciale. Questo approccio, combinato con i recenti progressi sperimentali nella misurazione delle dinamiche spazio-temporali e dell'espressione genica, potrebbe consentire agli scienziati di comprendere e controllare lo sviluppo degli organismi a livello cellulare, aprendo la porta a future applicazioni cliniche e a una comprensione più profonda dei processi biologici fondamentali.