FATE-MAP предсказывает тератогенность и режимы сбоев гаструляции у человека, объединяя глубокое обучение и механистическое моделирование

Почему ошибки на ранних стадиях эмбриона имеют значение

Многие беременности не продолжаются за пределы самых ранних недель, часто по причинам, остающимся невидимыми как для родителей, так и для врачей. Одним из критических препятствий является стадия, называемая гаструляцией, когда простой шар клеток реорганизуется в базовые слои, из которых сформируются все органы тела. Если этот шаг проходит неправильно, это может привести к потере беременности или врожденным дефектам. Тем не менее у ученых было немного инструментов, специфичных для человека, чтобы увидеть, как лекарства и химикаты могут сорвать этот хрупкий процесс. В этом исследовании представлен FATE-MAP — новая платформа, которая сочетает модели на стволовых клетках, передовую микроскопию и искусственный интеллект для прогнозирования, какие соединения могут навредить раннему развитию человека, и для выяснения, как возникают эти сбои.

Создание лабораторного аналога раннего эмбриона

Поскольку реальные эмбрионы человека нельзя изучать глубоко, исследователи обратились к «гаструлоидам» — крошечным плоским дискам, выращенным из эмбриональных стволовых клеток человека. При воздействии сигнального белка BMP4 эти диски самоорганизуются в три концентрических зоны, отражающие ткани раннего эмбриона: внутренняя область, сохраняющая стволовой характер, средняя полоса, превращающаяся в мезодерму (предшественники мышц, костей и крови), и внешнее кольцо, связанное с ранней внеэмбриональной тканью. Команда обработала около 2000 таких колоний библиотекой из 210 препаратов, нацеленных на ключевые пути роста и сигнальной передачи. С помощью флуоресцентных маркеров и пользовательского анализа изображений они превратили узор каждой колонии в отпечаток из 150 чисел, который фиксировал, как три типа тканей были расположены от края к центру.

Картирование нормальных паттернов и режимов сбоев

Чтобы понять этот огромный набор данных, ученые применили технику, группирующую похожие паттерны рядом в двумерном «морфопространстве». Большинство колоний попало в широкую область, где все три типа тканей появлялись в правильном радиальном порядке, различаясь в основном шириной каждого кольца. Но выявились несколько явных «режимов сбоев»: некоторые паттерны лишались центральной стволоподобной области, другие теряли мезодермальную полосу, а некоторые полностью теряли радиальную симметрию. Поскольку такие дефекты, вероятно, препятствуют правильному формированию плана тела, команда рассматривала эти кластеры как режимы развития сбоев, а не как безвредную вариативность. Эта карта стала эталоном, с которым можно было сравнивать как экспериментальные данные, так и компьютерные модели.

Обучение компьютеров предсказывать рискованные соединения

Следующим шагом было выяснить, сможет ли компьютер предсказать, куда новое соединение попадет в этом морфопространстве, используя только его химическую формулу. Авторы использовали трансформер — метод глубокого обучения, изначально разработанный для языка — чтобы преобразовать SMILES‑строку каждой молекулы в высокоразмерное числовое представление. Нейронная сеть затем научилась отображать эти представления в 150‑численные отпечатки колоний, а вторая сеть переводила эти отпечатки в позиции на карте морфопространства. Для десятков препаратов с известными исходами при беременности чисто in silico прогнозы FATE‑MAP совпадали или превосходили ведущие тесты на тератогенность с использованием стволовых клеток и вычислительные методы при классификации соединений как рискованных или безопасных. Поразительно, что несколько хорошо известных тератогенов сходились в одном и том же кластере сбоев, характеризующемся потерей мезодермы.

Выявление механизмов сбоев, а не только факта их наличия

Простой «черный ящик» ИИ сам по себе не объясняет, почему колония терпит неудачу. Чтобы добавить механистическое объяснение, команда создала математическую модель того, как три основных сигнальных молекулы — BMP, Wnt и Nodal — распространяются по колонии и направляют клетки к разным судьбам во времени. Путем настройки параметров, таких как начальная плотность клеток и устойчивость центральных стволоподобных клеток к дифференцировке (захваченная величиной, которую они называют стабильностью SOX2), они могли моделировать паттерны и проецировать их в то же морфопространство. Это показало, что большая часть нормальной вариации паттернов может быть объяснена двумя почти независимыми осями: насколько плотно расположены клетки и насколько легко они теряют стволоподобную идентичность. Более низкая плотность клеток позволяла сигналам Wnt и Nodal распространяться дальше к центру, расширяя MESODERM‑полосу, тогда как высокая стабильность SOX2 поддерживала центральную область в более примитивном состоянии, несмотря на сигналы дифференцировки.

От предупреждений к более безопасным лекарствам будущего

Наконец, исследователи использовали FATE‑MAP, чтобы пометить два препарата на клинической стадии без ранее доступных данных о беременности у человека как потенциальные тератогены. Оба были предсказаны, а затем экспериментально подтверждены, вызывать тот же режим потери мезодермы, который наблюдался у классических ретиноидных тератогенов, и также вызывали характерные дефекты у эмбрионов данио‑рио (зебровых рыб). В более широком смысле работа показывает, как сочетание реалистичных моделей на стволовых клетках, машинного обучения и механистических уравнений может превратить раннее человеческое развитие в картируемый ландшафт. В перспективе платформы наподобие FATE‑MAP могут помочь разработчикам лекарств просеивать огромное количество соединений на предмет тонких рисков для развития до того, как они когда‑либо попадут к пациентам, одновременно проясняя фундаментальные правила, которые ведут эмбрион от простого листа клеток к полностью сформированному телу.

Цитирование: Rufo, J., Qiu, C., Han, D. et al. FATE-MAP predicts teratogenicity and human gastrulation failure modes by integrating deep learning and mechanistic modeling. Nat Commun 17, 3327 (2026). https://doi.org/10.1038/s41467-026-69596-6

Ключевые слова: тератогенность, гаструляция, модели стволовых клеток, глубокое обучение, токсичность для развития