MIT 破译细胞对话语言：IRIS 模型可追溯胚胎发育信号史
MIT News AI · rss · 2026-10-16
MIT Pulin Li 团队（Whitehead 研究所）在《Nature Methods》发表研究，发现每条细胞信号通路都会在基因活动上留下独特「指纹」，且同一通路的指纹在不同细胞类型间保持一致——这推翻了过去需要逐个细胞类型做实验映射的假设。
基于此，团队构建了机器学习模型 IRIS：它通过分析细胞整体基因活动，推断细胞在发育不同阶段接收了哪些信号，甚至能泛化到训练时未见过的细胞类型（类似迁移学习）。IRIS 在数千个人类胚胎干细胞、六条主要信号通路组合的数据上训练，随后在小鼠原肠胚单细胞上验证：能准确预测心脏、肠道、肌肉和脊髓方向细胞的信号激活时序与位置。
研究还用 IRIS 预测出驱动肺发育关键细胞类型所需的信号组合，并在小鼠胚胎实验中证实。该工作有望加速再生医学的干细胞工程与类器官构建，用于研究哮喘、肺癌、肺纤维化等疾病并测试疗法。
「研究」频道最新
- Google Willow 芯片量子纠错降 40 倍，比特币 Q-Day 或提前 — jamestagg · 2026-10-16
- inFERENCe《机器学习手册》：四种把难题变为可解问题的变换 — goyal__pramod · 2026-10-16
- Transluce 实践者反思：神经元自动解释一年后仍难解释复杂行为 — aryaman2020 · 2026-10-16
- Transformer 训练蝙蝠神经数据建成海马体"数字孪生",揭示未知群体活动结构 — patrickmineault · 2026-10-16
- RLM 发布一周年:递归语言模型让 GPT-5-mini 长上下文成绩翻倍且更省钱 — a1zhang · 2026-10-16
- MIT 博士 Sharut Gupta 入职 DeepMind,答辩 talk 被导师力荐 — phillip_isola · 2026-10-16