Sztuczna inteligencja rozszyfrowała „język” komórek. To może pomóc medycynie

Komórki naszego organizmu nieustannie się ze sobą komunikują. Wysyłane między nimi sygnały decydują między innymi o tym, czy młoda komórka stanie się częścią serca, mięśni, jelit, płuc czy układu nerwowego. Do tej pory odtworzenie całej historii takich „rozmów” było dla naukowców niezwykle trudne. Teraz z pomocą przyszła sztuczna inteligencja.

Zespół badaczy związanych z Whitehead Institute for Biomedical Research i Massachusetts Institute of Technology stworzył model AI nazwany IRIS. Potrafi on analizować aktywność genów w pojedynczej komórce i na tej podstawie określać, jakie sygnały otrzymywała ona wcześniej podczas swojego rozwoju. Wyniki badań zostały opublikowane 8 września 2026 roku w czasopiśmie „Nature Methods”.

To odkrycie może mieć znaczenie znacznie wykraczające poza samą biologię rozwojową. W przyszłości podobne narzędzia mogą pomóc naukowcom tworzyć dokładniejsze modele ludzkich tkanek i narządów, badać mechanizmy chorób, usprawniać testowanie leków oraz rozwijać medycynę regeneracyjną.

Każda komórka pozostawia ślad swojej „rozmowy”

Rozwój organizmu rozpoczyna się od stosunkowo niewielkiej grupy komórek, które stopniowo zaczynają pełnić coraz bardziej wyspecjalizowane funkcje. Jedne tworzą tkankę mięśniową, inne układ nerwowy, płuca, wątrobę czy serce.

Nie dzieje się to jednak przypadkowo.

Komórki wysyłają do swoich sąsiadów sygnały chemiczne i jednocześnie odbierają informacje pochodzące z otoczenia. Sygnały są przekazywane przez tak zwane szlaki sygnałowe i mogą prowadzić do włączania lub wyłączania określonych genów.

Właśnie te zmiany wpływają później na dalszy los komórki.

Problem polegał na tym, że przez lata zakładano, iż reakcje na poszczególne sygnały mogą znacznie różnić się pomiędzy typami komórek. Odtworzenie ich historii wymagałoby więc ogromnej liczby eksperymentów.

Badania zespołu Pulin Li i Nicholasa Hutchinsa wskazują jednak na coś bardzo interesującego. Okazało się, że poszczególne szlaki sygnałowe pozostawiają w aktywności genów charakterystyczne wzorce, które naukowcy porównują do „odcisków palców”. Co ważne, część tych wzorców jest wspólna dla bardzo różnych typów komórek.

To właśnie te ślady nauczył się rozpoznawać IRIS.

Sztuczna inteligencja rekonstruuje przeszłość komórki

Pełna nazwa IRIS to Intracellular Response to Infer Signaling State. Model wykorzystuje sieci neuronowe oraz mechanizmy uczenia transferowego, dzięki czemu wiedzę zdobytą podczas analizy jednych komórek może wykorzystać również do badania innych.

Naukowcy przygotowali rozbudowany zestaw danych pokazujący reakcje tysięcy ludzkich komórek macierzystych na kombinacje sześciu ważnych szlaków sygnałowych uczestniczących w rozwoju organizmu.

IRIS uczył się rozpoznawać zmiany zachodzące w aktywności genów pod wpływem różnych sygnałów. Następnie model został wykorzystany do analizy pojedynczych komórek pochodzących z zarodków myszy w okresie gastrulacji – jednego z najważniejszych etapów rozwoju embrionalnego.

Model potrafił odtworzyć, kiedy określone szlaki sygnałowe były aktywne w komórkach rozwijających się między innymi w kierunku serca, jelit, mięśni czy rdzenia kręgowego. Badacze wykorzystali go do mapowania stanów sygnałowych ponad 40 zdefiniowanych typów komórek w rozwijających się zarodkach myszy.

Najważniejsze jest jednak to, że IRIS potrafił radzić sobie również z typami komórek, których wcześniej nie widział podczas treningu.

Dzięki temu naukowcy nie muszą rozpoczynać całego procesu analizy od początku dla każdego rodzaju komórki.

Od sztucznej inteligencji do modeli płuc

Jedno z najbardziej interesujących zastosowań nowej metody dotyczyło rozwoju płuc.

Badacze wykorzystali IRIS do poszukiwania sygnałów potrzebnych do uzyskania komórek istotnych dla rozwijającej się tkanki płucnej. Model wskazał odpowiednie warunki aktywacji szlaku sygnałowego, a późniejsze eksperymenty na zarodkach myszy potwierdziły jego przewidywania.

Może to mieć duże znaczenie dla tworzenia organoidów.

Organoidy to niewielkie, trójwymiarowe struktury hodowane z komórek, które naśladują niektóre właściwości prawdziwych narządów. Są wykorzystywane między innymi do obserwowania rozwoju tkanek, badania chorób oraz sprawdzania działania potencjalnych leków.

Jeżeli naukowcy dokładniej poznają zestaw sygnałów potrzebnych do przekształcenia komórek macierzystych w konkretny rodzaj tkanki, będą mogli znacznie precyzyjniej odtwarzać te warunki w laboratorium.

W przypadku płuc mogłoby to w przyszłości usprawnić badania między innymi nad astmą, rakiem płuca czy włóknieniem płuc. Dokładniejsze modele tkanki pozwoliłyby obserwować rozwój choroby i testować nowe sposoby leczenia bez konieczności natychmiastowego przechodzenia do badań na ludziach.

AI nie „słucha” komórek dosłownie

Określenie „rozszyfrowanie języka komórek” jest bardzo obrazowe, ale warto wyjaśnić, co dokładnie osiągnęli badacze.

IRIS nie podsłuchuje bezpośrednio chemicznych wiadomości przesyłanych pomiędzy komórkami. Analizuje natomiast zmiany pozostawione przez te sygnały w ekspresji genów i na ich podstawie wnioskuje, jakie szlaki sygnałowe mogły być wcześniej aktywne.

Można porównać to do odtworzenia przebiegu wydarzeń na podstawie pozostawionych śladów.

To istotna różnica, ponieważ pokazuje zarówno potencjał metody, jak i jej obecne ograniczenia. Wyniki nie oznaczają jeszcze, że sztuczna inteligencja potrafi dowolnie sterować rozwojem ludzkich narządów ani że gotowe są nowe terapie dla pacjentów.

Badania pokazują natomiast, że ogromna liczba biologicznych kombinacji, które wcześniej trzeba było sprawdzać eksperymentalnie, może zostać znacznie ograniczona dzięki metodom obliczeniowym.

Coraz bliżej dokładnej mapy rozwoju tkanek

Autorzy pracy wskazują, że podobne podejście może zostać w przyszłości rozszerzone na kolejne szlaki sygnałowe i inne procesy biologiczne. W publikacji wymieniane są między innymi sygnały związane z działaniem układu odpornościowego oraz hormonów.

Długofalowy cel jest niezwykle ambitny: stworzenie znacznie dokładniejszych map pokazujących, jakie informacje otrzymują komórki podczas powstawania tkanek i narządów.

Jeśli uda się coraz lepiej poznać ten biologiczny „kod”, naukowcy mogą zyskać nowe narzędzia pozwalające nie tylko obserwować rozwój organizmu, lecz także precyzyjniej kierować różnicowaniem komórek macierzystych.

To właśnie tutaj połączenie biologii i sztucznej inteligencji wydaje się szczególnie obiecujące. AI nie zastępuje eksperymentów laboratoryjnych, ale może wskazywać badaczom, które spośród tysięcy możliwych kombinacji warto sprawdzić jako pierwsze.

A to może oznaczać szybszą drogę do lepszych modeli chorób, nowych metod testowania leków oraz – w dalszej przyszłości – terapii pomagających odbudowywać uszkodzone tkanki.

Źródła:

Nature Methods – Reconstructing signaling histories of single cells via perturbation screens and transfer learning
Publikacja naukowa w Nature Methods

Whitehead Institute for Biomedical Research – AI model decodes the language cells use to communicate
Materiał Whitehead Institute