Дослідники з Гарвардського університету розробили інноваційну обчислювальну систему, яка дозволяє розкрити правила, що керують самоорганізацією клітин. Цей підхід, що використовує автоматичне диференціювання – ключову техніку для навчання моделей глибокого навчання – прогнозує, як незначні зміни в генах або клітинних сигналах впливають на кінцеву структуру клітинних кластерів.
Результати дослідження, опубліковані 13 серпня 2025 року в журналі Nature Computational Science під назвою "Інженерія морфогенезу клітинних кластерів за допомогою диференційованого програмування", спрощують складний процес росту клітин до оптимізаційної задачі, яку можуть вирішувати комп'ютери. Цей метод дозволяє точно визначити, як невеликі зміни в генних мережах впливають на поведінку цілих колективів клітин.
Автоматичне диференціювання, яке є основою навчання моделей штучного інтелекту, дозволяє комп'ютеру ефективно обчислювати складні функції, виявляючи точний ефект будь-якої незначної зміни в генній мережі на загальну поведінку клітинного колективу. Ця техніка, запозичена зі сфери штучного інтелекту, відкриває нові можливості для розуміння та маніпулювання біологічними системами.
Цей обчислювальний підхід може уможливити розробку живих тканин зі специфічними функціями або формами, що є значним кроком уперед для регенеративної медицини та інженерії тканин. Галузі регенеративної медицини та інженерії тканин активно розвиваються, прагнучи відновити, регенерувати або замінити пошкоджені тканини та органи, використовуючи клітини, біоматеріали та інженерні принципи.
Технології тривимірного біодруку відіграють ключову роль у створенні складних тканинних структур, а здатність інженерно створювати тканини з певними функціями є головною метою, що безпосередньо узгоджується з потенціалом цього гарвардського дослідження. Дослідження, співкерівниками якого були аспірантка Рам'я Дешпанде та постдокторант Франческо Моттес, а старшим автором – професор Майкл Бреннер, пропонує перспективний шлях до розкриття клітинних основ розвитку.
Робота групи Майкла Бреннера вже має досвід застосування автоматичного диференціювання до різноманітних завдань, що виходять за межі нейронних мереж, включаючи розробку самозбірних матеріалів та інженерію білків. Цей підхід розглядається як потужний новий спосіб контролю та розуміння клітинних процесів, що може спрямовувати майбутні експерименти та розкривати механізми розвитку.
Ці висновки пропонують перспективний напрямок для розуміння клітинних основ розвитку та відкривають шлях до інженерії росту органів. Це дослідження надає обчислювальний погляд на складність біологічних систем, дозволяючи вченим отримувати глибше розуміння та контроль над процесами, що лежать в основі життя, відкриваючи нові можливості для майбутніх досягнень у медицині та біології.