哈佛大学约翰·保尔森工程与应用科学学院的研究人员开发了一种创新的计算框架，该框架利用自动微分技术来预测基因或细胞信号的微小变动如何影响最终形成的细胞集群设计。这项发表于2025年8月13日《自然·计算科学》期刊的研究，将复杂的细胞生长过程转化为计算机可解的优化问题，从而为设计具有特定功能或形态的活体组织提供了新的可能性。
该研究题为“利用可微分编程工程化细胞群的形态发生”，通过应用自动微分，研究团队能够高效地计算复杂的函数，精准洞察基因网络中的细微变化如何影响整个细胞群体的行为。这一计算方法预示着在再生医学和组织工程领域将迎来重大突破。
该研究的共同负责人包括研究生Ramya Deshpande和博士后研究员Francesco Mottes，以及资深作者Michael Brenner教授。他们的工作不仅深化了对发育过程中细胞学机制的理解，更为工程化器官生长开辟了新的途径。自动微分技术在机器学习领域的应用，也为解决传统应用数学难题提供了新工具，能够更有效地处理高维、非凸的优化问题，这在材料设计等领域也展现出巨大潜力。
这项研究的成果与当前组织工程和再生医学领域对计算模型日益增长的依赖相辅相成。哈佛团队通过引入可微分编程，进一步提升了这类模型的可预测性和可控性，为实现更精密的生物工程设计奠定了基础。该研究得到了海军研究局和美国国家科学基金会的支持，并已在《自然·计算科学》上发表，标志着在理解和操控生命发育过程方面迈出了重要一步。