Um modelo de aprendizado de máquina identificou, a partir dos genes ativos, quais vias de sinalização estavam em funcionamento nas células e em que momentos esses sinais atuaram. A ferramenta também reconstrói o histórico de mensagens químicas recebidas durante o desenvolvimento e estima como elas influenciaram o destino celular.
O sistema, chamado IRIS, foi desenvolvido por pesquisadores do Instituto Whitehead e do Instituto de Tecnologia de Massachusetts, nos Estados Unidos. O estudo foi publicado na revista Nature Methods nesta terça-feira (8/9).
Marcas na atividade genética
As células-tronco mudam ao longo do desenvolvimento até formar tecidos musculares, cerebrais ou órgãos. Essas transformações dependem da ativação e da desativação de genes, influenciadas por sinais químicos trocados com o ambiente ao redor.
Essas mensagens fazem parte de vias de sinalização, que convertem estímulos externos em mudanças na atividade genética. O trabalho indica que cada via produz uma marca própria nos genes, identificável em diferentes tipos de células. Isso permite investigar os sinais recebidos sem analisar cada célula individualmente.
Testes com células e embriões
Os pesquisadores treinaram o IRIS usando dados de células-tronco humanas expostas a combinações de sinais em diferentes fases do desenvolvimento. Depois, aplicaram o modelo a células de embriões de camundongo.
A ferramenta previu quando e onde determinados sinais seriam ativados em células que dariam origem a tecidos do coração, intestino, músculos e medula espinhal. Em outra etapa, o modelo apontou sinais relacionados à formação de células pulmonares. Os resultados foram confirmados em experimentos com embriões de camundongo.
Possíveis usos
As informações podem ser usadas para reproduzir em laboratório os sinais necessários para direcionar o desenvolvimento de células-tronco. De acordo com os autores, isso pode contribuir para criar modelos de tecidos, estudar doenças, orientar pesquisas sobre regeneração de órgãos e testar novos tratamentos.
O modelo também amplia a possibilidade de analisar a comunicação entre células em uma escala maior do que a alcançada apenas com experimentos tradicionais. A proposta é usar esse mapeamento para investigar como os tecidos se formam e como esse processo pode falhar.
