Mercoledì 21 ottobre 2026Sostieni

Aube.

Le notizie del progresso
LaboratorioFonte unica

IA predice fattori di salvataggio delle cellule B, confermati nei topi

Lingue di questo articolo

Tradotto dall’IA, lingua originale inglese — vedi il testo originale. 5 lingue disponibili, la tua si aggiunge con un clic.

Foto illustrativa: NFDI4BIOIMAGE Calendar September 2025
Foto illustrativa: Faber-Zuschratter, Heidi; Stöter, Torsten; Zuschratter, Werner (ORCID: 0000-0002-9845-6393); Hartig, Roland (ORCID: 0000 · CC BY 4.0 · Wikimedia Commons

Immaginate una fotografia di cellule immunitarie, scattata in un unico istante. È questo il materiale di partenza che la maggior parte degli esperimenti su singola cellula fornisce ai biologi: un momento congelato, senza traccia di dove andrà ciascuna cellula. Un team ha sviluppato DynaVelo per ricostruire quel filmato a partire dall'immagine fissa, e il suo lavoro è pubblicato su Nature Biotechnology, online dal 21 ottobre 2026.

DynaVelo lavora con due tipi di dati su singola cellula. Il primo è la velocità parziale dell'RNA, una stima della direzione in cui si sta muovendo l'attività genica di ciascuna cellula. Il secondo è l'accessibilità dei motivi dei fattori di trascrizione, cioè una misura di quanto siano aperti, in ogni cellula, i tratti di DNA a cui possono legarsi i fattori di trascrizione. Secondo gli autori, questa misura è stata scelta perché è interpretabile e deriva dall'accessibilità della cromatina. Una rete neurale modella poi come l'espressione genica e l'accessibilità cambiano insieme, cellula per cellula.

Il modello è stato applicato alle cellule B dei centri germinativi di topi, appartenenti a tre genotipi, uno dei quali selvatico. Una volta addestrato, può eseguire quelle che gli autori chiamano perturbazioni in silico: disattivare un gene o un fattore all'interno del modello e leggere l'effetto previsto. Lo studio riferisce che DynaVelo prevede l'impatto di alterazioni genetiche con perdita di funzione e individua le perturbazioni dei fattori di trascrizione che le compensano. Il modello deduce anche reti regolatorie geniche dinamiche e specifiche per stato cellulare, cioè le mappe di quali geni attivano o disattivano quali altri.

Le previsioni sono state poi verificate su animali vivi. Usando topi doppi eterozigoti mutanti, il team ha confermato il salvataggio del fenotipo della zona oscura legato ad Arid1a in tutti i casi, secondo il riassunto. È la prova più solida tra quelle disponibili: una previsione fatta dal modello, poi osservata in un organismo vivente.

Cosa cambia, e per chi? Per i ricercatori che studiano le cellule B, il modello offre una lista ordinata di fattori candidati da testare sui topi, invece di verificarli uno per uno. Lo studio non descrive alcuna applicazione clinica e non fornisce alcuna tempistica per una simile applicazione. I risultati provengono dai topi, e le previsioni del modello dovranno essere riprodotte in altri contesti prima di poter essere considerate affidabili oltre questo studio.

Fonti — leggere gli originali(ora di Parigi)

Nature BiotechnologyEN

Pagine consultate durante la stesura

Browse Articles
Deep dynamical models of single-cell multiomic velocities predict loss-of-function and rescue perturbations in B cells
Deep dynamical models of single-cell multiomic velocities predict loss-of-function and rescue perturbations in B cells - PMC
Deep dynamical models of single-cell multiomic velocities predict loss-of-function and rescue perturbations in B cells - PubMed
0000

Da leggere dopo

Commenti

Caricamento della discussione…

Accedi per scrivere un commento. Accedi