Dans une étude publiée le 8 septembre dans Nature Methods, l’équipe de Pulin Li, professeure adjointe de biologie au MIT et membre du Whitehead Institute, avec l’étudiant diplômé Nicholas Hutchins, décrit un modèle d’apprentissage automatique nommé IRIS. Celui-ci détecterait, selon les auteurs, une « empreinte » propre à chaque voie de signalisation dans l’activité génique d’une cellule. Ces empreintes seraient cohérentes entre différents types cellulaires pour une même voie, ce qui permettrait de reconstituer l’historique de signalisation sans cartographier chaque type cellulaire séparément.

IRIS, un modèle fondé sur un réseau neuronal, a été entraîné sur des données portant sur des milliers de cellules souches embryonnaires humaines exposées à des dizaines de combinaisons de six grandes voies de signalisation. Testé sur des cellules uniques d’embryons de souris pendant la gastrulation, il aurait prédit correctement le moment et le lieu d’activation de voies dans des cellules destinées au cœur, à l’intestin, aux muscles et à la moelle épinière. Pour un type cellulaire lié au développement pulmonaire, une prédiction a été confirmée par des expériences sur des embryons de souris.

Les chercheurs présentent cette approche comme une avancée par rapport aux méthodes expérimentales classiques. Ils évoquent des applications possibles en ingénierie des cellules souches, en création d’organoïdes et en étude de maladies pulmonaires. Les résultats rapportés sont précliniques.