Các nhà khoa học tại Trường Kỹ thuật và Khoa học Ứng dụng John A. Paulson của Đại học Harvard đã công bố một phương pháp tính toán đột phá, sử dụng kỹ thuật phân biệt tự động, để hiểu rõ hơn về các quy tắc điều chỉnh cách các tế bào tự tổ chức.
Nghiên cứu, được đăng trên tạp chí Nature Computational Science vào ngày 13 tháng 8 năm 2025, cho phép các nhà nghiên cứu dự đoán cách những thay đổi nhỏ trong gen hoặc tín hiệu tế bào có thể ảnh hưởng đến hình dạng cuối cùng của các cụm tế bào. Bài báo có tiêu đề "Kỹ thuật hình thái của các cụm tế bào bằng lập trình có thể phân biệt" nhằm mục đích đơn giản hóa quá trình phát triển tế bào phức tạp thành một bài toán tối ưu hóa mà máy tính có thể giải quyết.
Bằng cách khai thác sức mạnh của phân biệt tự động, một kỹ thuật cốt lõi trong việc đào tạo các mô hình học sâu, nhóm nghiên cứu có thể tính toán hiệu quả các hàm phức tạp và xác định chính xác tác động của các biến thể nhỏ trong mạng lưới gen đối với hành vi của toàn bộ tập thể tế bào. Cách tiếp cận này mở ra những khả năng mới cho việc thiết kế các mô hình sinh học có chức năng hoặc hình dạng cụ thể.
Công trình này có tiềm năng cách mạng hóa các lĩnh vực như y học tái tạo và kỹ thuật mô, cho phép tạo ra các mô phỏng sinh học có độ chính xác cao và có thể tùy chỉnh. Tiến sĩ Ramya Deshpande, một sinh viên sau đại học, và Tiến sĩ Francesco Mottes, một nhà nghiên cứu sau tiến sĩ, đã đồng lãnh đạo nghiên cứu này, dưới sự hướng dẫn của tác giả cao cấp Michael Brenner, Giáo sư Toán học Ứng dụng và Vật lý Ứng dụng tại SEAS.
Nghiên cứu được hỗ trợ bởi Văn phòng Nghiên cứu Hải quân và Viện AI của NSF về Hệ thống Động lực học. Những phát hiện này cung cấp một con đường đầy hứa hẹn để hiểu sâu hơn về các cơ sở tế bào của sự phát triển, đồng thời cung cấp lộ trình để kỹ thuật tăng trưởng cơ quan, một mục tiêu đầy tham vọng trong lĩnh vực kỹ thuật sinh học tính toán. Khả năng dự đoán và kiểm soát các quá trình sinh học này có thể đẩy nhanh việc phát triển các liệu pháp tiên tiến và hiểu biết sâu sắc hơn về cách các sinh vật phát triển từ cấp độ tế bào.