Des chercheurs du Stowers Institute for Medical Research et de Helmholtz Munich, en collaboration avec l'Université d'Oxford, ont développé un nouvel outil d'intelligence artificielle nommé RegVelo. Publié dans la revue Cell, ce cadre informatique vise à prédire comment les cellules choisissent leur destin et à identifier les régulateurs génétiques sous-jacents. L'innovation majeure réside dans la fusion de deux domaines de la biologie cellulaire qui étaient traditionnellement traités séparément : les méthodes estimant l'évolution temporelle des cellules et celles inférant les réseaux de régulation génique. RegVelo permet aux scientifiques de simuler virtuellement le devenir des cellules, éliminant ainsi le besoin de réaliser chaque expérience physiquement en laboratoire. L'étude s'est concentrée sur les cellules de la crête neurale, une population embryonnaire cruciale pour le développement de la face, du cœur et du système nerveux. En combinant les données de séquençage de l'ARN avec les réseaux de régulation génique, le modèle a réussi à prédire les transitions entre les états développementaux et à identifier les gènes clés qui pilotent ces changements. L'application de RegVelo sur le développement de la crête neurale du poisson-zèbre a permis de découvrir un facteur de transcription précoce, tfec, agissant comme moteur principal de la formation des cellules pigmentaires. Le modèle a également révélé un régulateur jusque-là inconnu, elf1, déterminant le destin de ces mêmes cellules. Ces prédictions théoriques ont été validées avec succès par des expériences expérimentales utilisant des techniques de modification génétique, confirmant que RegVelo peut générer des hypothèses biologiques solides et testables. Selon le Dr Tatjana Sauka-Spengler, auteur principale de l'étude, la connaissance de ces régulateurs précoces est fondamentale. Elle ouvre la voie à la reproduction de types cellulaires spécifiques in vitro, une avancée essentielle pour la médecine régénérative et les thérapies cellulaires. En effet, comprendre les instructions initiales permet de rediriger les cellules souches vers des états désirés avec une grande précision. Le Dr Alejandro Sánchez Alvarado, président du Stowers Institute, souligne que l'approche permet d'inférer les trajectoires probables des composants cellulaires grâce à l'apprentissage profond, transformant ainsi une approche descriptive en une méthode prédictive. La portée de RegVelo dépasse le cadre du développement embryonnaire. Le framework est applicable à tout système où les cellules évoluent dans le temps, y compris l'étude des trajectoires tumorales et des dynamiques cellulaires liées aux maladies. En reliant les événements régulateurs précoces aux destins cellulaires tardifs, l'outil offre de nouvelles perspectives pour comprendre les troubles du développement et orienter les stratégies thérapeutiques. L'association des expertises de l'équipe de Sauka-Spengler en régulation génique et du groupe du Dr Fabian J. Theis en modélisation computationnelle a été déterminante pour la création de ce modèle. Bien que des limites subsistent, notamment concernant les coûts computationnels et certaines hypothèses simplificatrices, l'étude établit un principe de preuve convaincant. En intégrant la modélisation dynamique des états cellulaires à la régulation génique, RegVelo permet d'approcher le mécanisme moléculaire des décisions cellulaires, facilitant la découverte de nouvelles cibles thérapeutiques et l'optimisation des thérapies futures.