Miten alkio voi luotettavasti "laskea" muotonsa – "solu solulta" – käyttäen vain paikallisia vuorovaikutuksia ja mekaniikkaa, mutta samalla tuottaa tarkan globaalin kehon suunnitelman? Olen innoissani voidessani jakaa Nature Methods -artikkelimme "MultiCell: geometric learning in multicellular development", jossa esitellään #AIxBiology @HaiqianYang:n johtamaa tutkimusta ja erinomaisen yhteistyön tulosta Ming Guon, George Royn, Tomer Sternin, Anh Nguyenin ja Dapeng Bin kanssa. Pitkäaikainen haaste kehitysbiologiassa on ennustaa, miten tuhannet solut kollektiivisesti järjestäytyvät itsejärjestäytyneinä, kun kudokset laskostuvat, jakautuvat ja järjestäytyvät uudelleen. MultiCellissä esitetään kehittyvä alkio dualisena graafina, joka yhdistää kaksi täydentävää näkemystä kudosmekaniikaan yksisoluresoluutiolla: solut liikkuvina pisteinä (rakeisina) ja solut yhdistetyinä vaahtoina (liitosverkosto). Tämä antaa mallille mahdollisuuden oppia dynamiikkaa sekä geometriasta että solu–solu-yhteydestä. Koko alkion 4D-valolevyvideoissa Drosophila-gastrulaatiosta (~5 000 solua) mallimme ennustaa keskeisiä solujen käyttäytymistä ja tapahtumien ajoitusta, mukaan lukien liitosmenetykset, uudelleenjärjestelyt ja jakautumiset, erittäin tarkasti yksittäisen solun tarkkuudella. Ennustamisen lisäksi sama esitys tukee vahvaa ajan kohdistusta alkioiden välillä ja tarjoaa tulkittavia aktivaatiokarttoja, jotka korostavat kehityksen morfogeneettiset "ajureet". Laajempi tavoite on perusta solukohtaiselle ennustamiselle monimutkaisemmissa kudoksissa ja lopulta taudin hienovaraisten dynaamisten tunnusmerkkien havaitsemiseksi. Kiitokset tiimille tästä inspiroivasta yhteistyöstä loistavien tutkijoiden kanssa, joiden tavoitteena on rikkoa tekoälyn rajoja biologiassa! Lähde: Yang, H., Roy, G., Nguyen, A.Q., Buehler, M.J. ym. MultiCell: geometrinen oppiminen monisoluisessa kehityksessä. Nature Methods (2025), DOI: 10.1038/s41592-025-02983-x Koodi-/datalinkit löytyvät käsikirjoituksesta.

Bioinspiroitu parviäly tekoälymusiikin säveltämiseen: MusicSwarm ilmentää monia identtisiä, jäädytettyjä perustusmallin agentteja, jotka koordinoivat vain vertaispalautteen ja feromonimaisten signaalien avulla. Ilman painopäivityksiä nämä agentit järjestäytyvät spontaanisti erilaisiin rooleihin ja tuottavat enemmän paikallista uutuusarvoa, rikkaampaa rytmistä monimuotoisuutta ja ihmismäisempää pientä maailmaa kuin keskitetysti kritisoidut moniagentti- tai yksittäiset lähtökohdat. Havaitsemme parvedynamiikkaa, joka lähestyy Nashin kaltaisia tasapainoja agenttien käyttäytymisen tilassa, samalla kun uusien motiivien ja pitkän aikavälin yhteyksien jatkuva ilmaantuminen toteuttaa Gödelin näkökulman: vuorovaikuttavat agentit ja jaettu ulkoinen maailmamalli käyttäytyvät metajärjestelmänä, jonka luovat kehityskulut ylittävät minkä tahansa yksittäisen, monoliittisen mallin.

Mikä mukava yllätys - sain juuri paperiversion Journal of Materials Research -lehdestä, jonka kannessa on artikkelimme! Artikkelimme "Agentic Deep Graph Reasoning Yields Self-Organizing Knowledge Networks" tutkii, kuinka tekoäly voi siirtyä staattisen haun ulkopuolelle rakentamaan ja jalostamaan aktiivisesti omia tietorakenteitaan. Järjestelmä kasvattaa käsitteiden ja suhteiden kaavion rekursiivisen päättelyn avulla - käytännössä "ajatellen kaavioissa" - ja organisoituu itseään mittakaavattomiksi, modulaarisiksi verkoiksi, jotka heijastavat ihmisen tietämyksen kehitystä. Seuraukset ovat jännittäviä: tämä lähestymistapa voi muuttaa tapaa, jolla tekoäly löytää uusia materiaaleja, yhdistää ideoita eri tieteenalojen välillä ja luo tieteellisiä hypoteeseja - mikä johtaa itseorganisoituviin, päättelyyn perustuviin tieteen ja tekniikan järjestelmiin. Tämä työ julkaistiin kutsuttuna artikkelina @Materials_MRS Distinguished Invited Speaker -luentoni yhteydessä MRS:n kevätkokouksessa Seattlessa, ja olen kiitollinen MRS Journal of Materials Research and @SpringerNature -lehdelle sen esittämisestä kannessa. Suuri kiitos kaikille, jotka edistävät tekoälyyn perustuvan löytämisen ja graafisen päättelyn rajoja! Tämä on jännittävää aikaa tieteen, älykkyyden ja muotoilun lähentymiselle.