Tajemnica tego, w jaki sposób komórki łączą się, tworząc tkanki i narządy na najwcześniejszych etapach życia, od dawna stanowi zagadkę dla biologów zajmujących się rozwojem. To jak obserwowanie skomplikowanego tańca aktywności komórkowej, w którym komórki przemieszczają się, dzielą i rosną w ramach starannie skoordynowanego procesu. W tym fascynującym tańcu inżynierowie z MIT dostrzegli szansę — w rozwoju embrionalnym.
Zespół z MIT wniósł kluczowy wkład w tej dziedzinie, tworząc metodę przewidywania zachowania poszczególnych komórek na najwcześniejszym etapie rozwoju zarodka muszki owocowej. Metoda ta, opisana w artykule badanie opublikowane w Nature Methods, śledzi komórki minuta po minucie i może być potencjalnym przełomem w zrozumieniu rozwoju bardziej złożonych organizmów. Może również okazać się instrumentalny w identyfikacji wczesnych oznak chorób, takich jak astma i rak.
Inżynierowie opracowali model oparty na głębokim uczeniu, który potrafi analizować nagrania wideo o wysokiej rozdzielczości przedstawiające zarodki muszki owocowej, z których każdy powstaje z skupiska około 5 000 komórek. Model ten przewiduje, w jaki sposób każda komórka fałduje się, dzieli i zmienia swoją strukturę w ciągu kluczowej pierwszej godziny rozwoju embrionalnego. Zespół badawczy nazwał tę początkową fazę ‘gastrulacją’, podczas której poszczególne komórki zmieniają swoje położenie z minuty na minutę. Ming Guo, profesor nadzwyczajny inżynierii mechanicznej na MIT i współautor badania, zauważył, że modelowanie tego okresu pozwala na dogłębne zrozumienie, w jaki sposób lokalne interakcje komórkowe przyczyniają się do tworzenia się całych tkanek i organizmów.
Co imponujące, model zapewnił dokładność 90% przy przewidywaniu dynamicznych zachowań poszczególnych komórek. Daje to bezprecedensowy wgląd w to, jak pozornie jednolity zarodek zaczyna rozwijać unikalne struktury. Oprócz muszek owocowych, zespół widzi również potencjał w zastosowaniu tego modelu do innych gatunków, w tym danio pręgowanego i myszy, w celu zidentyfikowania uniwersalnych wzorców w rozwoju embrionalnym.
Innowacyjny model może również okazać się kluczowy dla zrozumienia nieprawidłowego tworzenia się tkanek związanego z chorobami. Według Haiqian Yang, absolwentki MIT i współautorki badania, tkanki astmatyczne wykazują różną dynamikę komórek, gdy są obrazowane na żywo, a model może uchwycić te subtelne różnice dynamiczne. Taka kompleksowa reprezentacja zachowania tkanek może potencjalnie poprawić diagnostykę lub testy przesiewowe leków.
W dziedzinie, w której naukowcy tradycyjnie modelują rozwój embrionalny jako chmurę punktów, postrzegając każdą komórkę jako poruszający się punkt, lub jako pianę, w której komórki są reprezentowane jako przesuwające się bąbelki, Guo i Yang zdecydowali się połączyć oba modele. W ten sposób udało im się stworzyć podwójną strukturę graficzną, która pozwala modelowi śledzić szczegółowe właściwości, takie jak lokalizacja jądra komórki, jej interakcja z sąsiednimi komórkami oraz to, czy w danym momencie się składa, czy dzieli.
Do szkolenia modelu naukowcy wykorzystali rzadkie filmy o wysokiej rozdzielczości przedstawiające gastrulację muszki owocowej dostarczone przez University of Michigan. Następnie, wykorzystując trzy z tych filmów do treningu, przetestowali model na czwartym. Wynik był znakomity: model dokładnie przewidział nie tylko zmiany w każdej komórce, ale także czas, co do minuty.
Mimo że model ten nadaje się do szerszego zastosowania w innych układach wielokomórkowych, w tym w tkankach ludzkich, głównym wyzwaniem pozostaje pozyskanie danych wysokiej jakości. Guo wyraził optymizm, stwierdzając, że gdyby udało się uzyskać dostęp do wysokiej jakości danych dotyczących konkretnych tkanek, model ten mógłby przewidywać rozwój znacznie większej liczby struktur.
To przełomowe badanie, wspierane częściowo przez amerykańskie Narodowe Instytuty Zdrowia, zapowiada rewolucję w biologii i medycynie. Dowiedz się więcej na ten temat, czytając oryginalny artykuł na MIT News.
Ta strona używa plików cookie.