Chaque cellule d'un embryon devient ce qu'elle est en partie grâce aux signaux chimiques reçus en chemin, mais ces signaux ne laissent pas de trace évidente. Savoir lesquels ont agi, et quand, exige d'ordinaire de longues expériences sur l'animal, une voie et un type cellulaire à la fois, et c'est presque impossible sur des tissus humains. Une équipe du Whitehead Institute du MIT a mis au point un réseau de neurones, IRIS, qui lit cet historique à partir de l'activité des gènes d'une cellule. Les travaux ont été publiés dans Nature Methods le 8 septembre 2026.
La découverte centrale est que chaque voie de signalisation laisse dans l'activité génique un motif reconnaissable, très semblable d'un type cellulaire à l'autre. Cela va à l'encontre d'une idée répandue selon laquelle les réponses sont propres à chaque type cellulaire, et c'est ce qui rend le transfert possible. L'équipe, dirigée par Pulin Li avec le doctorant Nicholas Hutchins, a exposé des milliers de cellules souches embryonnaires humaines à des dizaines de combinaisons de six grandes voies du développement, dont WNT, BMP, FGF, l'acide rétinoïque et Hedgehog, à plusieurs stades, puis a entraîné IRIS sur l'atlas obtenu. Pulin Li le compare à un assistant vocal entraîné surtout en anglais qui parvient malgré tout à reconnaître d'autres langues.
Ce sont les tests qui distinguent l'article. Appliqué à des cellules isolées d'embryons de souris en gastrulation, IRIS a correctement situé quand et où les voies s'activaient dans des cellules en route vers le cœur, l'intestin, le muscle et la moelle épinière. Il a aussi prédit que la signalisation WNT aide à orienter des cellules mésenchymateuses précoces vers une identité de soutien pulmonaire, ce que l'équipe a confirmé sur du tissu d'intestin antérieur de souris en culture. Les chercheurs ont ensuite utilisé cette prédiction pour ajuster un protocole publié de cellules souches pour le mésenchyme respiratoire, un pas vers des organoïdes pulmonaires à structure ramifiée.
Pour qui suit l'IA en science, c'est un contrepoids utile aux grands modèles généralistes que nous couvrons d'habitude. IRIS est un petit réseau conçu sur mesure, dont la valeur vient d'une expérience soigneusement pensée pour produire ses données d'entraînement, et il a été vérifié sur de vrais embryons plutôt que sur des benchmarks. Il s'inscrit dans la même tendance générale que les travaux de biologie pilotés par agents de Google DeepMind et d'OpenAI, mais ses affirmations sont plus étroites et mieux testées.
Il y a des limites. Les prédictions portent sur six voies, et les auteurs ont eux-mêmes constaté que les anciennes méthodes fondées sur des gènes marqueurs fonctionnaient mal pour certaines, signe que certaines voies sont plus difficiles à lire que d'autres. Modifier WNT seul, notent-ils, a peu de chances de produire des cellules pulmonaires pleinement équivalentes à celles du corps. Les données d'entraînement sont publiques, mais ni l'article du MIT ni le texte de l'article scientifique que nous avons lu ne mentionnent une publication du code, ce qui conditionnera la vitesse à laquelle d'autres laboratoires pourront s'en servir. Cartographier des embryons humains entiers, l'objectif affiché de l'équipe, reste à faire.