Jak zarodek niezawodnie "oblicza" swoją formę - "komórka po komórce" - używając tylko lokalnych interakcji i mechaniki, a jednocześnie produkuje precyzyjny globalny plan ciała? Cieszę się, że mogę podzielić się naszym artykułem w Nature Methods "MultiCell: uczenie geometryczne w rozwoju wielokomórkowym", prezentującym badania #AIxBiology prowadzone przez @HaiqianYang oraz będącym wynikiem wspaniałej współpracy z Ming Guo, George Roy, Tomer Stern, Anh Nguyen i Dapeng Bi. Od dawna wyzwaniem w biologii rozwojowej jest przewidzenie, jak tysiące komórek zbiorowo samodzielnie organizują się, gdy tkanki się składają, dzielą i przestawiają. W MultiCell reprezentujemy rozwijający się zarodek jako podwójny graf, który łączy dwa komplementarne spojrzenia na mechanikę tkanek z rozdzielczością pojedynczej komórki: komórki jako poruszające się punkty (granularne) oraz komórki jako połączona pianka (sieć węzłów). To pozwala modelowi uczyć się dynamiki zarówno z geometrii, jak i z połączeń między komórkami. Na całkowitych 4D filmach świetlnych zarodków Drosophila gastrulacji (~5 000 komórek), nasz model przewiduje kluczowe zachowania komórek i czas wydarzeń, w tym utratę węzłów, przestawienia i podziały z wysoką dokładnością, na poziomie pojedynczej komórki. Poza przewidywaniem, ta sama reprezentacja wspiera solidne wyrównanie czasowe między zarodkami i oferuje interpretowalne mapy aktywacji, które podkreślają morfogenetyczne "czynniki" rozwoju. Szerszym celem jest stworzenie fundamentu dla prognozowania komórka po komórce w bardziej złożonych tkankach, a ostatecznie dla wykrywania subtelnych dynamicznych sygnatur chorób. Gratulacje dla zespołu za tę inspirującą współpracę z genialnymi badaczami, aby przesunąć granice AI w biologii! Cytat: Yang, H., Roy, G., Nguyen, A.Q., Buehler, M.J., et al. MultiCell: uczenie geometryczne w rozwoju wielokomórkowym. Nature Methods (2025), DOI: 10.1038/s41592-025-02983-x Linki do kodu/danych znajdują się w manuskrypcie.