- Pesquisadores do MIT criaram um modelo de aprendizado profundo de dual-graph que usa pontos em movimento e bolhas para prever, minuto a minuto, a dobra, a divisão e o contato entre 5.000 células de drosófila durante a gastrulação, com cerca de noventa por cento de precisão.
- O estudo, publicado na Nature Methods, utilizou vídeos em alta qualidade de embriões de drosófila, com resolução de submicrônomo, para treinar e testar o modelo.
- A previsão cobre a primeira hora de desenvolvimento, quando a forma do embrião passa de elipsoidal para estruturas mais definidas.
- Os autores veem potencial de aplicar o método a outras espécies e a entender padrões celulares ligados a doenças como asma e câncer, desde que haja dados de vídeo 3D de alta qualidade.
- A abordagem combina modelos de “pontos” e de “bolha” em um único grafo para capturar informações estruturais da rede celular.
Durante o início do desenvolvimento, tecidos se formam com o rearranjo de milhares de células. Um grupo do MIT apresenta um modelo que prevê, minuto a minuto, como 5.000 células de uma drosófila se dobram, dividem e se rearranjam. A pesquisa foi publicada em Nature Methods.
O estudo usa um modelo de grafos duais que integra pontos em movimento e bolhas, simulando tanto o movimento das células quanto suas contatos. O objetivo é capturar propriedades geométricas de cada célula ao longo do tempo.
As equipes aplicaram o modelo a vídeos de embriões de drosófila em gastrulação, com cerca de 5.000 células cada um. Em teste com um vídeo novo, o modelo atingiu aproximadamente 90% de precisão na previsão de comportamentos celulares.
Dados e metodologia
Os pesquisadores combinaram duas abordagens consolidadas — nuvem de pontos e espuma — para representar o tecido. A fusão resulta em um grafo único que preserva conectividades entre células e dinâmicas de contato.
A validação ocorreu com vídeos de alta qualidade, com resolução submicrométrica e taxa de quadros rápida. Os dados incluem contornos e núcleos de células, fornecendo referência para o treinamento.
Os autores destacam que o principal limitante é a disponibilidade de dados de alta qualidade. Sem imagens adequadas, a capacidade de previsão diminui, mesmo com o modelo robusto.
Implicações futuras
Os autores apontam que, em princípio, o modelo pode ser aplicado a outras espécies, como zebrafismo e camundongos. A técnica poderia auxiliar na identificação de padrões celulares associados a doenças.
Especialistas citados destacam potencial para aplicações em diagnóstico e triagem de fármacos, desde que haja vídeos adequados. A pesquisa é financiada, em parte, pelo NIH.
Entre na conversa da comunidade