Key points are not available for this paper at this time.
Résumé La programmation du destin cellulaire permet des applications dans la modélisation de maladies, la découverte de médicaments et la médecine régénérative. Les études fondamentales ont établi des protocoles de différenciation, mais leur évolutivité est contrainte par la complexité combinatoire. Les méthodes computationnelles permettent l'annotation cellulaire, l'inférence de réseaux, l'analyse de trajectoires et ont été appliquées pour prioriser les facteurs de transcription et les petites molécules pour la programmation du destin cellulaire, bien que l'adoption prospective pour la conception de protocoles demeure inégale. Les omiques unicellulaires et spatiales, les écrans de perturbation et l'apprentissage profond élargissent le champ prédictif tout en introduisant des défis liés au changement de domaine, à l'interprétabilité et à la reproductibilité. Ici, je synthétise ces approches en tant que plans computationnels pragmatiques intégrés dans un pipeline de conception-test-apprentissage itératif pour la programmation du destin cellulaire.
Pengyi Yang (Vendredi,) a étudié cette question.