Il modello IRIS del MIT decodifica come le cellule si comunicano tra loro
Un sistema di intelligenza artificiale impara il linguaggio chimico che le cellule usano durante lo sviluppo, sbloccando un'ingegneria delle cellule staminali più rapida.
Cosa potresti farci
- I ricercatori potrebbero identificare quali combinazioni di segnali guidano una cellula staminale verso un destino specifico, poi ricreare quegli esatti segnali in laboratorio 1.
- Gli scienziati potrebbero ricostruire la storia completa della segnalazione di ogni cellula dentro un embrione di topo o umano su una scala senza precedenti 1.
- I ricercatori potrebbero costruire modelli migliorati di organoidi 3D di tessuto polmonare per studiare malattie come l'asma, il cancro ai polmoni e la fibrosi polmonare, e testare potenziali terapie su di essi 1.
Un linguaggio nascosto nelle tue cellule
Il tuo corpo inizia come un piccolo grappolo di cellule staminali — tavolerase che ancora non sanno se diventeranno cervello, fegato o muscolo. Mentre si dividono, ogni cellula deve capire il proprio ruolo. Lo fa inviando e ricevendo segnali chimici ai propri vicini, come sussurri in una stanza affollata.
Per anni, gli scienziati hanno dato per scontato che queste conversazioni fossero troppo caotiche da decodificare. Ogni tipo di cellula sembrava interpretare i segnali in modo diverso, il che significava che i ricercatori avrebbero dovuto mappare ogni percorso separatamente — un processo estenuante 1.
Poi è arrivato IRIS.
Cosa fa effettivamente IRIS
IRIS è un modello basato su reti neurali sviluppato al MIT e all'Istituto Whitehead. Invece di trattare ogni tipo di cellula come unico, i ricercatori hanno scoperto qualcosa di sorprendente: i percorsi di segnalazione lasciano dietro di sé "impronte digitali" coerenti — modelli distintivi di attività genica che riflettono quali segnali una cellula ha ricevuto.
Queste impronte digitali sono le stesse attraverso diversi tipi di cellula per lo stesso percorso. Questo significa che una volta che impari il linguaggio di un percorso, puoi applicarlo ovunque.
"Pensa ai sistemi di riconoscimento vocale come Siri, che sono addestrati principalmente in inglese, ma poi usano quell'addestramento per aiutarli a riconoscere altre lingue", dice Pulin Li, professore assistente di biologia al MIT 1. "Questo si chiama apprendimento per trasferimento, ed è per questo che IRIS può funzionare attraverso molti tipi di cellula diversi."
Il team ha addestrato IRIS su migliaia di cellule staminali embryoniche umane esposte a dozzine di combinazioni di sei principali percorsi di segnalazione a multiple fasi di sviluppo. Poi l'hanno testato su embrioni di topo durante la gastrulazione — quando le cellule si ramificano rapidamente in tessuti cardiaci, intestinali, muscolari e del midollo spinale.
IRIS ha previsto esattamente quando e dove specifici percorsi si attivavano, anche per tipi di cellula che non aveva mai visto prima.
Perché è importante
La capacità di ricostruire la storia della segnalazione di una cellula su scala apre porte che in precedenza erano impossibili. I ricercatori possono ora identificare quali combinazioni di segnali guidano una cellula staminale verso un destino specifico — e ricreare quei segnali in laboratorio.
Quando il team ha usato IRIS per studiare lo sviluppo polmonare, il modello ha previsto che l'attivazione di un particolare percorso avrebbe incoraggiato la crescita specifica del polmone. Sperimentazioni su embrioni di topo hanno confermato la previsione 1.
Questo potrebbe accelerare l'ingegneria delle cellule staminali per la medicina rigenerativa e migliorare lo sviluppo degli organoidi — piccoli modelli 3D che assomigliano a veri organi e sono usati per studiare condizioni come l'asma, il cancro ai polmoni e la fibrosi polmonare.
"In questi modi, IRIS ci sta aiutando a decodificare il linguaggio che le cellule usano per comunicare tra loro a una velocità molto più rapida di quanto potremmo realisticamente ottenere attraverso esperimenti", dice lo studente laureando Nicholas Hutchins 1.
I risultati sono apparsi su Nature Methods l'8 settembre 2026.
Quanto è bravo
Il modello è stato addestrato su migliaia di cellule staminali embryoniche umane esposte a dozzine di combinazioni di sei principali percorsi di segnalazione a multiple fasi di sviluppo 1. È stato poi testato su singole cellule da embrioni di topo durante la gastrulazione, dove ha potuto prevedere con precisione quando e dove specifici percorsi di segnalazione si sarebbero attivati in cellule destinate a diventare tessuto cardiaco, intestinale, muscolare e del midollo spinale . In un esperimento separato, IRIS ha previsto che l'attivazione di un specifico percorso di segnalazione avrebbe incoraggiato lo sviluppo specifico del polmone, e le sperimentazioni su embrioni di topo hanno confermato la previsione . Nessun modello concorrente o punteggio numerico di benchmark è stato riportato .
Immagine: news.mit.edu
I fatti principali
- IRIS usa l'apprendimento per trasferimento per riconoscere le impronte digitali della segnalazione cellulare attraverso diversi tipi di cellula
- Le impronte digitali dei percorsi di segnalazione sono coerenti indipendentemente dal tipo di cellula
- Il modello ha previsto i segnali dello sviluppo polmonare confermati nelle sperimentazioni su embrioni di topo
- Pubblicato su Nature Methods l'8 settembre 2026