Um dos processos básicos mais importantes em toda a biologia é a organização automática das células em grupos que se dividem e eventualmente se transformam em formas – sejam órgãos, asas ou membros.
Os cientistas há muito exploram esse processo complexo para criar órgãos artificiais ou entender o crescimento do câncer, mas especificamente engenharia de células únicas, para obter um resultado de massa desejável, geralmente é um experimental e pregador.
Os físicos aplicados na Universidade de Harvard consideram que o controle de células e sua formação representam um problema de melhoria que pode ser resolvido usando fortes novas ferramentas de aprendizado.
Em uma nova pesquisa publicada em A ciência da ciência matemática é a naturezaPesquisadores da Faculdade de Engenharia e Ciências Aplicadas de John A. Paulson (SEAS) criaram uma estrutura matemática que pode extrair as regras que as células precisam seguir com seu crescimento, a fim de parecer uma função coletiva de todas.
O computador aprende essas “regras” na forma de redes genéticas que direcionam o comportamento da célula, que afeta os numerosos métodos que as células químicas indicam entre si, ou as forças físicas que as fazem se manter ou se desmontam.
Atualmente, evidências do conceito, novos métodos podem ser combinados com experimentos para permitir que os cientistas entendam e controlem como os organismos vivos se desenvolveram a partir do nível celular.
A pesquisa foi liderada pelo estudante de pós -graduação Rami Dishbandy e pelo pesquisador após o doutorado, Francesco Motis. O primeiro autor foi Michael Brenner, professor de motivação para matemática aplicada e física aplicada nos mares.
Diferenciação automática
A busca pelas regras que as células devem seguir através de uma tecnologia aritmética chamada distinção automática. Este método, que forma o backbone para treinar modelos de aprendizado profundo em inteligência artificial, consiste em algoritmos projetados para calcular funções muito complexas com eficiência. A diferenciação automática do computador permite a descoberta do efeito preciso de que uma simples mudança em qualquer parte da rede de genes em todo o comportamento do grupo de células.
Nos últimos anos, a equipe de Brainer aplicou esses algoritmos a problemas que excedem as redes nervosas, incluindo o design da auto -montagem, melhorando a simulação de dinâmica fluida ou engenharia certos tipos de proteínas.
Deshpande disse que os princípios do artigo podem ajudar a seguir as experiências de seguir -up sobre os sistemas físicos das células.
Depois de ter um modelo que pode prever o que acontece quando você tem uma certa mistura de células, genes ou moléculas que interagem, então podemos reverter esse modelo e dizer: “Queremos que essas células se encontrem e façam essa coisa em particular. Como os programamos para fazê -los?”
Ramia Deshbandy, uma estudante de graduação, Harvard John A. Polson para ciências aplicadas e ciências aplicadas
Motses disse que, ao permitir a escala da biologia baseada na física, a distinção automática fornece um caminho promissor para alcançar o controle preditivo necessário, no futuro distante, o crescimento dos órgãos – o copo sagrado da engenharia vital.
“Se você tem um modelo de previsão e calibração suficiente em dados experimentais, a esperança é que você possa apenas dizer, por exemplo,” quero um esférico com essas propriedades. Como devo fabricar meu celular para conseguir isso? “
fonte:
Referência do diário:
Deshpande, R., E outros. (2025). A formação geométrica de grupos celulares com programação distinta. A ciência da ciência matemática é a natureza. Doi.org/10.1038/s43588-025-00851-4
