Zespół Whitehead Institute for Biomedical Research i Massachusetts Institute of Technology opublikował 8 września 2026 roku w „Nature Methods” model IRIS, który na podstawie samego profilu aktywności genów w pojedynczej komórce rozpoznaje, które z sześciu głównych szlaków sygnałowych były w niej wcześniej włączone. Przewidywanie modelu dotyczące roli szlaku WNT w powstawaniu mezenchymy oddechowej potwierdzono w doświadczeniu na zarodkach myszy, a następnie wykorzystano do zmiany protokołu różnicowania ludzkich komórek macierzystych.
- Model IRIS, opracowany przez Whitehead Institute for Biomedical Research i MIT, potrafi na podstawie samego profilu aktywności genów w pojedynczej komórce rozpoznać, które z sześciu głównych szlaków sygnałowych (TGF-β, FGF, BMP, Hedgehog, kwas retinowy, WNT) były w niej wcześniej włączone – wbrew dotychczasowemu założeniu, że odpowiedź na sygnał jest specyficzna dla każdego typu komórki.
- Przewidywanie IRIS dotyczące wcześniejszej aktywności szlaku WNT w mezenchymie oddechowej zostało potwierdzone eksperymentalnie na zarodkach myszy, a następnie wykorzystane do zmiany protokołu różnicowania ludzkich komórek macierzystych – włączenie WNT od czwartego dnia (zamiast ostatnich 24 godzin) siedmiodniowego różnicowania znacząco zwiększyło ekspresję markera TBX4.
- Instytut Medycyny Doświadczalnej i Klinicznej im. Mirosława Mossakowskiego PAN otrzymał 8 148 947,50 zł z Krajowego Planu Odbudowy na budowę platformy organoidowej, która – jak stwierdza sam instytut – dotąd w Polsce nie istniała.
Praca nosi tytuł „Reconstructing signaling histories of single cells via perturbation screens and transfer learning”. Pierwszym autorem jest Nicholas T. Hutchins, doktorant w laboratorium Pulin Li, a autorką korespondencyjną sama Pulin Li, członkini Whitehead Institute i profesor nadzwyczajna biologii w MIT. Artykuł jest dostępny w otwartym dostępie, kod modelu opublikowano na GitHubie, a surowe dane w bazie Gene Expression Omnibus.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Sygnał zostawia w komórce ten sam ślad niezależnie od tego, jaka to komórka
Odkryciem, które umożliwiło zbudowanie IRIS, jest to, że odpowiedź transkrypcyjna na dany szlak sygnałowy wygląda podobnie w bardzo różnych typach komórek. Do tej pory w biologii rozwoju przyjmowano raczej odwrotnie: że reakcja na sygnał jest specyficzna dla typu komórki, więc każdy szlak trzeba badać osobno w każdym kontekście. Przy sześciu szlakach i dziesiątkach typów komórek taka praca jest po prostu niewykonalna.
Autorzy sprawdzili najpierw metodę klasyczną, opartą na kilku genach odpowiedzi, na przykład Axin2 dla WNT i Id1 dla BMP. Metoda ta radziła sobie przyzwoicie dla kwasu retinowego, WNT i BMP, osiągając AUROC powyżej 0,75, ale wypadała znacznie gorzej dla TGF-β i FGF. Szlaku Hedgehog nie dało się w tym teście ocenić, bo w zbiorze treningowym było za mało stymulowanych komórek.
IRIS obejmuje sześć szlaków sygnałowych, które powracają w rozwoju zarodka i w regeneracji tkanek u dorosłych:
- TGF-β, czyli transformujący czynnik wzrostu beta,
- FGF, czyli czynnik wzrostu fibroblastów,
- BMP, białka morfogenetyczne kości,
- Hedgehog,
- kwas retinowy (RA),
- WNT.
Nazwa modelu to skrót od Intracellular Response to Infer Signaling State. Pod spodem działa warunkowy autoenkoder wariacyjny oparty na architekturze scANVI z pakietu scvi-tools, połączony z klasyfikatorem w postaci sieci jednokierunkowej. Model uczy się prawdopodobieństwa aktywacji każdego szlaku dla każdej komórki osobno.
Trzy przesiewy na ludzkich komórkach macierzystych dostarczyły ponad 40 tysięcy komórek treningowych
Dane treningowe powstały z sekwencyjnych przesiewów kombinatorycznych, w których ludzkie zarodkowe komórki macierzyste stymulowano różnymi zestawami sygnałów w kolejnych etapach różnicowania. Przesiew hM_d4 dał 19 155 komórek, które przeszły kontrolę jakości, hM_d7 kolejne 11 857, a przesiew endodermalny hE_d8 jeszcze 9921. Do tego doszedł wcześniej opublikowany zbiór z mysich komórek macierzystych.
Sama liczba możliwych warunków była problemem projektowym. Sześć szlaków w dwóch kolejnych krokach daje 2 do potęgi 12 kombinacji, czyli 4096, a tego nie da się wykonać w jednym eksperymencie różnicowania. Autorzy rozłożyli więc warunki po przestrzeni kombinatorycznej: cztery odpowiadały opublikowanym protokołom, 38 różniło się od nich jednym bitem, a 54 wylosowano z zastrzeżeniem, że każde dwa muszą dzielić co najmniej cztery różnice.
Kiedy IRIS trenowano wyłącznie na liniach endodermalnych i testowano na mezodermalnych, model nadal wypadał wyraźnie lepiej od losowego klasyfikatora. To dla autorów najostrzejszy test przenoszalności, bo endoderma i mezoderma są rozwojowo odległe.
„IRIS pomaga nam odczytywać język, którym komórki rozmawiają ze sobą” / „IRIS is helping us decode the language cells use to talk to each other”, powiedział Nicholas Hutchins w komunikacie Whitehead Institute. Pulin Li porównała mechanizm do systemów rozpoznawania mowy trenowanych głównie na angielskim, które potem radzą sobie z innymi językami. To właśnie uczenie transferowe.
Opisz krótko, czego potrzebujesz. Jesteśmy największym HUB-em AI w Polsce — w naszej bazie znajdziesz blisko 500 zweryfikowanych firm specjalizujących się w AI. W Twoim imieniu poprosimy 3-5 dopasowanych wykonawców o kontakt w ciągu 48 godzin.
Model odtworzył kolejność sygnałów w liniach rozwojowych mysiego zarodka
Po wytrenowaniu IRIS zastosowano do atlasu pojedynczych komórek mysiej gastrulacji, obejmującego okres od 6,5 do 8,5 dnia rozwoju zarodkowego. Model przypisał stany aktywacji pięciu szlaków i 32 możliwych kombinacji do około 40 opisanych klastrów typów komórek.
Wyszły z tego rzeczy, które zgadzają się z wcześniejszą wiedzą, i to jest w tej pracy najmocniejszy argument. IRIS poprawnie wskazał aktywację BMP w linii sercowej, ale nie w endodermalnej, wyłączenie WNT przed różnicowaniem kardiomiocytów oraz późniejsze włączenie kwasu retinowego w komórkach przedniego jelita i w kardiomiocytach przedsionkowych. Kolejność kombinacji sygnałów wzdłuż trajektorii rozwojowej odpowiadała oczekiwanej sekwencji na poziomie istotności statystycznej poniżej 0,05.
Osobny test dotyczył położenia komórek w tkance. W mezodermie somitycznej trzy morfogeny tworzą gradienty wzdłuż osi przód-tył: kwas retinowy od przodu, WNT i FGF od tyłu. Teoretycznie daje to osiem kombinacji, ale pięć z nich objęło 96 procent przewidywań modelu. Pozostała populacja, stanowiąca 4 procent komórek, to według autorów prawdopodobnie fałszywie ujemne wyniki dla FGF albo kwasu retinowego.
Najciekawsze w tej pracy nie jest to, że ktoś użył sieci neuronowej w biologii rozwoju. To dzieje się od kilku lat. Ciekawe jest to, że model podważył założenie, które branża traktowała jak pewnik, a potem autorzy poszli do laboratorium i sprawdzili jego przewidywanie na żywej tkance. Cykl przewidywanie, eksperyment, korekta protokołu został tu zamknięty w jednej publikacji, a nie rozłożony na dekadę.
Mam jednak dwie wątpliwości. Pierwsza dotyczy skali: IRIS trenowano na kilkudziesięciu tysiącach komórek z jednego typu eksperymentu, a przewidywał na atlasie z innego gatunku. To działa, ale autorzy sami piszą, że nie wiedzą, jak daleko można to rozciągnąć. Druga dotyczy tego, co się dzieje, gdy taki model trafi do zastosowań klinicznych. Protokół różnicowania, który daje lepszą ekspresję markera w naczyniu hodowlanym, to jeszcze nie jest komórka funkcjonalnie równoważna tej z organizmu. Autorzy zresztą zapisali to wprost w tekście i to dobrze o nich świadczy.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Wcześniejsza aktywacja WNT zwiększyła ekspresję TBX4 w komórkach mezenchymy oddechowej
Praktyczny sprawdzian modelu dotyczył mezenchymy oddechowej, czyli tkanki, która steruje rozgałęzianiem się płuc w rozwoju. IRIS wskazał, że w porównaniu z innymi rodzajami mezenchymy w mysim przednim jelicie na etapie od 8,5 do 9,5 dnia rozwoju istotnie wzbogacone są sygnały WNT i BMP.
Autorzy pobrali przednie jelito z zarodków myszy w dniu 9,0 i hodowali je przez 24 godziny z agonistą WNT (CHIR) albo inhibitorem (C59). Aktywacja WNT przestrzennie rozszerzyła ekspresję markerów mezenchymy oddechowej, w tym Tbx4 i Foxf1. Zahamowanie WNT całkowicie zniosło ekspresję Tbx4.
Ta obserwacja pozwoliła zmienić protokół różnicowania ludzkich komórek macierzystych. W opublikowanej wcześniej procedurze WNT podawano dopiero przez ostatnie 24 godziny siedmiodniowego różnicowania. IRIS przewidywał, że szlak działa wcześniej, na etapie decyzji o tożsamości oddechowej. Zespół włączył więc WNT od czwartego dnia i na dłużej, co znacząco zwiększyło ekspresję TBX4. Efekt powtórzył się na różnych liniach ludzkich komórek zarodkowych i indukowanych pluripotencjalnych.
To ma znaczenie dla organoidów. Modele płuc hodowane w laboratorium są narzędziem do badania astmy, raka płuca i włóknienia płuc, a ich wiarygodność zależy od tego, czy udaje się odtworzyć właściwe typy komórek podporowych.
Ograniczenia: FGF przenosi się gorzej, a wcześniejsza stymulacja podbija liczbę fałszywych alarmów
Autorzy opisali słabe punkty modelu w sekcji dyskusji i nie ma powodu, żeby je pomijać. Sygnatury odpowiedzi na WNT i kwas retinowy przenoszą się między typami komórek bardzo dobrze, natomiast FGF wypada często słabiej. Zespół podejrzewa, że wynika to z dzielenia elementów szlaku sygnałowego z innymi receptorami kinaz tyrozynowych, których aktywność może już być obecna w warunkach hodowli.
Drugi problem to przenoszenie sygnału z wcześniejszego etapu stymulacji. Wcześniejsza aktywacja tego samego szlaku zwiększała odsetek fałszywie dodatnich wyników dla BMP, WNT i TGF-β, obniżała go dla kwasu retinowego i nie miała znaczącego wpływu na FGF. Nawet w komórkach z wcześniejszą ekspozycją odsetek ten pozostawał poniżej 0,3 dla większości szlaków.
IRIS jest też narzędziem uzupełniającym, a nie zastępującym istniejące metody. Algorytmy takie jak CellChat, NicheNet czy CellPhoneDB wnioskują o komunikacji międzykomórkowej na podstawie par ligand-receptor, czyli szacują potencjał sygnalizacyjny. IRIS patrzy na odpowiedź wewnątrz komórki, więc mówi o stanie faktycznym. Autorzy sugerują łączenie obu podejść, szczególnie przy analizie danych transkryptomiki przestrzennej.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Polska dopiero buduje zaplecze organoidowe, a IMDiK PAN dostał na to 8,1 mln zł
Praktyczna wartość takich modeli jak IRIS zależy od tego, czy w kraju istnieją laboratoria zdolne hodować i badać organoidy. W Polsce to zaplecze dopiero powstaje. Instytut Medycyny Doświadczalnej i Klinicznej imienia Mirosława Mossakowskiego PAN otrzymał 8 148 947,50 zł na przedsięwzięcie „Innowacyjna platforma modelowania terapii chorób neurologicznych i onkologicznych w organoidach od pacjentów”, finansowane z Krajowego Planu Odbudowy za pośrednictwem Agencji Badań Medycznych.
Kierownikiem przedsięwzięcia jest dr hab. Dawid Walerych z Pracowni Multiomiki Chorób Człowieka. W zespole są także Zakład Bioinżynierii Komórek Macierzystych pod kierunkiem prof. Leonory Bużańskiej oraz Zakład Neurogenetyki i Genomiki Funkcjonalnej kierowany przez dr Michalinę Wężyk. W opisie projektu IMDiK PAN stwierdza wprost, że platforma organoidowa o podobnym zakresie dotąd w Polsce nie istniała. W tym samym konkursie ABM instytut zdobył finansowanie czterech projektów na łączną kwotę blisko 30 milionów złotych.
Zestawienie tych dwóch informacji pokazuje, gdzie jesteśmy. Whitehead Institute optymalizuje protokoły różnicowania przy pomocy modeli uczenia maszynowego, a polski instytut dopiero kupuje aparaturę i rozbudowuje bank organoidów od pacjentów. Dobra wiadomość jest taka, że IRIS jest dostępny publicznie razem z kodem i danymi, więc bariera wejścia nie jest tu finansowa ani licencyjna. Jest kompetencyjna i sprzętowa.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz badania Reconstructing signaling histories of single cells via perturbation screens and transfer learning, Nature Methods z dnia 08.09.2026, komunikatu prasowego Whitehead Institute for Biomedical Research z dnia 08.09.2026 oraz repozytorium kodu Pulin-Li-Lab/IRIS-signaling-inference.
Dane o polskim finansowaniu badań organoidowych pochodzą z komunikatu Instytutu Medycyny Doświadczalnej i Klinicznej im. Mirosława Mossakowskiego PAN.
Cytat Nicholasa T. Hutchinsa, doktoranta w laboratorium Pulin Li, został zweryfikowany z oryginalnym anglojęzycznym materiałem źródłowym. Wszystkie dane liczbowe dotyczące wielkości przesiewów, wyników testów i eksperymentów walidacyjnych pochodzą z tekstu publikacji w „Nature Methods”, nie z relacji wtórnych.
Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl.
Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o zastosowaniach modelu IRIS i o rozwoju platform organoidowych w Polsce.
