胚の細胞が今の姿になるのは、途中で受け取った化学的なシグナルによるところがありますが、そうしたシグナルははっきりした記録を残しません。どのシグナルがいつ働いたかを突き止めるには、通常は動物を使った時間のかかる実験を、経路ごと、細胞の種類ごとに行う必要があり、ヒトの組織ではほぼ不可能です。MITのWhitehead Instituteのチームは、細胞の遺伝子活動からその履歴を読み取るニューラルネットワークIRISを開発しました。研究は2026年9月8日にNature Methodsに掲載されました。
重要な発見は、それぞれのシグナル経路が遺伝子活動に見分けのつくパターンを残し、そのパターンが大きく異なる細胞の種類の間でもほぼ同じに見えるという点です。これは応答が細胞の種類ごとに固有だという広く信じられた考えに反するもので、だからこそ転移学習が可能になります。Pulin Liと大学院生のNicholas Hutchinsが率いるチームは、数千個のヒト胚性幹細胞を複数の段階で、WNT、BMP、FGF、レチノイン酸、Hedgehogを含む6つの主要な発生シグナル経路の数十通りの組み合わせにさらし、得られたアトラスでIRISを学習させました。Liはこれを、主に英語で学習しながらほかの言語も聞き取れる音声アシスタントにたとえています。
この論文を際立たせているのは検証です。原腸形成期のマウス胚の単一細胞に適用したところ、IRISは心臓、腸、筋肉、脊髄へ向かう細胞で、経路がいつどこで働き始めたかを正しく示しま した。さらに、WNTシグナルが初期の間葉系細胞を肺を支える性質へ導くと予測し、チームは培養したマウスの前腸組織でこれを確かめました。その予測を使って、呼吸器間葉を作る既存の幹細胞プロトコルも調整しており、枝分かれ構造をもつ肺オルガノイドに向けた一歩となっています。
科学分野のAIを追う読者にとって、これは当サイトが普段扱う大型の汎用モデルとは違う、有益な対照例です。IRISは特定の目的のために作られた小さなネットワークで、その価値は学習データを生み出す入念に設計された実験にあり、ベンチマークではなく実際の胚で確かめられました。Google DeepMindやOpenAIのエージェントを使った生物学研究と同じ大きな流れの中にありますが、主張の範囲は狭く、検証はより確かです。
限界もあります。予測の対象は6つの経路で、著者ら自身、従来のマーカー遺伝子による方法は一部の経路でうまく機能しなかったと報告しており、読み取りやすさは経路によって違うことがうかがえます。WNTだけを変えても体内と完全に同等の肺細胞は得られにくいとも述べています。学習データは公開されていますが、MITの記事にも、当サイトが読んだ論文本文にもコード公開への言及はなく、他の研究室がどれだけ早く使えるかはそこにかかっています。チームが掲げるヒト胚全体のマッピングは、まだ先の話です。