AI-model IRIS leest af welke signalen cellen in een embryo hebben ontvangen
Onderzoekers van MIT en het Whitehead Institute hebben een AI-model gemaakt dat aan de genactiviteit van een cel ziet welke signalen die cel van haar buren kreeg. Met die kennis verbeterden ze al een labrecept om voorlopers van longweefsel uit menselijke stamcellen te kweken.
Elk mens begint als een klein klompje stamcellen. Die cellen kunnen nog alle kanten op: ze kunnen hersen-, lever-, hart- of spiercellen worden. Welke kant een cel op gaat, hangt af van welke genen aan- of uitstaan. Dat beslist een cel niet alleen. Cellen sturen elkaar voortdurend chemische berichtjes, die vertellen waar een cel zit en wat ze moet worden. Zo'n bericht wordt binnen in de cel doorgegeven via een vaste keten van stappen, een signaalroute. Aan het eind van die keten gaan bepaalde genen aan of uit.
Wie precies weet welke berichten een cel op welk moment kreeg, begrijpt hoe weefsels en organen ontstaan. Die kennis werkt ook als een recept: geef je stamcellen in het lab dezelfde signalen, dan kun je ze sturen naar het celtype dat je wilt. Dat is belangrijk voor organoïden, kleine nagebouwde orgaantjes waarmee onderzoekers ziektes bestuderen en medicijnen testen.
Achteraf uitzoeken welke berichten een cel heeft gekregen, was tot nu toe een flinke klus. Onderzoekers gingen er lang van uit dat elke signaalroute in elk celtype een ander effect heeft. Dan moet je elke route in elk celtype apart onderzoeken, en dat zijn ontelbaar veel proeven.
Elke signaalroute laat een vingerafdruk achter
Een team onder leiding van Pulin Li, assistent-professor biologie aan MIT en verbonden aan het Whitehead Institute for Biomedical Research, en promovendus Nicholas Hutchins ontdekte dat het eenvoudiger kan. Elke signaalroute laat in een cel een herkenbaar patroon van genactiviteit achter, een soort vingerafdruk. En die vingerafdruk lijkt in heel verschillende celtypen sterk op elkaar. Het team publiceerde de resultaten op 8 september 2026 in het vakblad Nature Methods. Het artikel is voor iedereen gratis te lezen.
Om die vingerafdrukken te herkennen bouwden de onderzoekers IRIS. Dat is een AI-model op basis van een neuraal netwerk: een computersysteem dat zelf patronen leert herkennen in grote hoeveelheden gegevens. IRIS kijkt naar duizenden genen tegelijk en schat per cel welke signaalroutes actief waren. Het model herkent zo'n vingerafdruk ook in celtypen die het tijdens de training nooit zag. Li vergelijkt dat met spraakherkenning die vooral op Engels is getraind en daardoor ook andere talen beter leert verstaan. Die techniek heet transfer learning: kennis uit de ene situatie gebruiken in een andere.
Getraind op tienduizenden menselijke stamcellen
Om IRIS te trainen maakten de onderzoekers eerst een grote databank. Ze gaven menselijke embryonale stamcellen in het lab tientallen verschillende combinaties van zes belangrijke signalen, in meerdere stappen na elkaar. Daarna maten ze in ruim 40.000 losse cellen welke genen aanstonden. Ook gebruikten ze gegevens uit een eerdere proef met stamcellen van muizen.
Toen lieten ze IRIS los op een bestaande kaart van cellen uit jonge muizenembryo's, uit de fase waarin de eerste weefsellagen ontstaan. Voor zo'n veertig celtypen bracht het model in kaart welke signalen ze kregen en in welke volgorde. Bij ontwikkelingen die biologen al goed kennen, zoals de weg naar hartspiercellen, kwam IRIS uit op de bekende volgorde. Het model herkende de signalen ook in celtypen die niet in de trainingsgegevens zaten, zoals vroege zenuwcellen.
Een betere route naar longweefsel
De echte proef was een vraag waar nog geen antwoord op was. Rond de longen ligt in een embryo een speciaal soort steunweefsel, het longmesenchym. Dat weefsel stuurt onder meer hoe de longen hun vertakte vorm krijgen. Hoe het precies ontstaat, was grotendeels onbekend. Dat maakte het lastig om het in het lab na te maken.
IRIS voorspelde dat een signaalroute met de naam WNT hier al vroeg een sleutelrol speelt. De onderzoekers testten dat met stukjes darmbuis uit muizenembryo's van negen dagen oud, die ze een dag in het lab kweekten. Met een middel dat WNT aanzet, gingen typische longgenen in een groter gebied aan. Met een middel dat WNT remt, verdween een van die genen helemaal.
Daarna pasten ze een bestaand labrecept voor menselijke stamcellen aan. In dat recept kwam het WNT-signaal pas op de laatste dag. Op aanwijzing van IRIS gaven ze het eerder en langer. Daardoor groeiden duidelijk meer cellen uit tot voorlopers van longmesenchym, en dat lukte in verschillende menselijke stamcellijnen. Volgens Hutchins helpt IRIS zo om de taal waarmee cellen met elkaar praten veel sneller te ontcijferen dan met alleen experimenten haalbaar is.
Volgende stappen
De onderzoekers zien hun werk als een begin. Het WNT-signaal alleen is waarschijnlijk niet genoeg om labcellen te maken die net zo werken als echte longcellen. Daarvoor willen ze de volledige voorspellingen van IRIS combineren met grotere celkaarten van de longontwikkeling. De betrouwbaarheid verschilt ook per signaalroute: WNT en retinoïnezuur (een stof afgeleid van vitamine A) herkent het model heel goed, een route met de naam FGF is lastiger. Hoe goed de vingerafdrukken werken in celtypen die sterk verschillen van de trainingscellen, wordt verder onderzocht. Het team stelt een vaste cyclus voor van proeven doen, het model trainen, voorspellen en weer testen, waarbij IRIS elke ronde beter wordt.
Betere longmodellen in het lab maken het makkelijker om ziekten als astma, longkanker en longfibrose (waarbij in de longen littekenweefsel ontstaat) te bestuderen en mogelijke behandelingen te testen. Het verdere doel is herstelgeneeskunde: behandelingen die beschadigd weefsel repareren. De code van IRIS staat vrij beschikbaar, zodat andere onderzoeksgroepen er meteen mee aan de slag kunnen.
Wat betekent dit voor de weg naar de singulariteit?
IRIS laat goed zien hoe AI het tempo van biologisch onderzoek kan opvoeren. In plaats van alle combinaties van signalen een voor een in het lab te proberen, wijst het model de kansrijke route aan, en die bleek in het lab te kloppen. Dat is precies de cyclus van voorspellen en testen waarmee AI de wetenschap kan versnellen. Mooi is ook dat het model iets algemeens leert: kennis uit menselijke stamcellen in een kweekschaaltje bleek bruikbaar in muizenembryo's en in nieuwe celtypen. De onderzoekers verwachten dat koppeling aan grote AI-basismodellen voor cellen het nog breder inzetbaar maakt. Groeien zulke modellen verder, dan komt een volledige kaart van alle signalen in een zich ontwikkelend embryo binnen bereik, en daarmee een veel gerichtere manier om weefsel te kweken voor onderzoek en, op termijn, voor herstel van organen.
