Signal YCurated AI News
更新于 11/5 20:4061 个信源

AI 模型解码细胞用于通讯的“语言”

AI 研究10/16 04:50MIT News · AI查看原文 ↗
摘要

MIT 与 Whitehead 研究所团队开发出机器学习模型 IRIS,通过识别信号通路在基因活动上留下的独特“指纹”,跨细胞类型重建细胞在发育过程中接收到的信号历史。

核心要点
  • 研究发现同一信号通路在不同细胞类型中会留下一致的特征性基因活动“指纹”,推翻了“必须逐细胞类型单独绘制通路”的长期假设。
  • IRIS 能识别不同信号通路的指纹,并判断细胞在胚胎发育的不同阶段接收了哪些信号,即使面对模型此前未遇到的细胞类型也能工作。
  • 第一作者为研究生 Nicholas Hutchins,负责人为 MIT 生物学助理教授、Whitehead 研究所成员 Pulin Li。
  • 研究者用语音识别类比解释其泛化能力:Siri 主要以英语训练,却能借此识别其他语言,即迁移学习。
  • 该成果于 9 月 8 日发表在 Nature Methods,并以开放获取形式公布。
原文佐证
  • researchers have discovered that each signaling pathway leaves behind a unique “fingerprint” — a distinctive pattern of gene activity that reflects the particular signals the cell has encountered.
  • Importantly, these fingerprints are consistent across different cell types for the same signaling pathway
  • The researchers’ detailed open-access findings, published in the journal Nature Methods on Sept. 8
AI 洞察
这项工作把“细胞曾接收到什么信号”这一原本不可观测的历史,变成了可由基因表达模式反推的可计算对象,AI 在生物学中的角色正从预测结构序列,转向解卷积过程与因果历史。若“通路指纹跨细胞类型一致”在更广体系中成立,发育生物学与疾病研究的成本结构将被重写——从逐点测绘转向全景图谱,稀缺的实验数据与验证闭环会比模型架构本身更构成护城河。下一步的关键在于该指纹库能否覆盖更多通路与物种,以及重建精度能否支撑真正的机制发现而非事后描述。