Il dono della bioingegneria all’IA: colture cellulari più realistiche su larga scala. Lo studio del Synthetic physiology lab dell’Università di Pavia

I foundation models dell’intelligenza artificiale - sistemi addestrati su grandi quantità di dati e adattabili a compiti diversi - promettono di trasformare le biotecnologie e la scoperta di nuovi farmaci. Per i modelli che apprendono dalle immagini delle cellule, questa promessa dipende dalla raccolta di grandi quantità di dati sperimentali in condizioni di laboratorio controllate e riproducibili.

Lo screening ad alta densità, o high-throughput screening (HTS), permette di raggiungere questa scala eseguendo centinaia o migliaia di esperimenti miniaturizzati in parallelo. Tuttavia, nelle piastre convenzionali le cellule crescono su superfici rigide e piatte di vetro o plastica. Queste superfici facilitano l’automazione e l’acquisizione delle immagini, ma non riproducono la morbidezza e la struttura microscopica dei tessuti umani. In altre parole, sappiamo che le condizioni standardizzate utilizzate oggi non sono rappresentative della biologia delle cellule per cui vogliamo modelli IA.

Un gruppo di bioingegneri dell’Università di Pavia ha sviluppato un metodo pratico per ridurre questa distanza. Presentata sulla rivista «Advanced Science», la tecnologia LigHTS produce idrogel sottili, morbidi e microstrutturati - materiali ricchi d’acqua che offrono una superficie di coltura con caratteristiche simili a quelle dei tessuti - direttamente nelle piastre standard da 384 e 1.536 pozzetti. Il metodo porta principi consolidati della bioingegneria nei formati utilizzati per generare grandi raccolte di immagini cellulari.

«Non possiamo permetterci di costruire la prossima generazione di intelligenza artificiale per la biologia partendo dall’idea che vetro e plastica siano biologicamente neutri. Da decenni i bioingegneri dimostrano che l’ambiente fisico modifica il comportamento delle cellule. Il nostro dono all’IA è rendere queste conoscenze utilizzabili su larga scala.» spiega Francesco S. Pasqualini, Direttore del Synthetic physiology lab all’Università di Pavia.

Dalla focalizzazione ottica al controllo chimico

La chiave è un colorante alimentare che assorbe la luce ultravioletta (UV). Aggiunto alla soluzione precursore dell’idrogel, che solidifica sotto l’effetto della luce, limita la profondità a cui il materiale si solidifica durante l’illuminazione. Lo spessore del gel viene così controllato attraverso la formulazione e la dose di luce, anziché mediante ottiche di focalizzazione.

I ricercatori hanno utilizzato gelatina metacrilata (GelMA) per formare strati sottili e morbidi direttamente sul fondo in vetro delle piastre. Una fotomaschera su pellicola crea solchi microscopici durante la stessa esposizione, offrendo alle cellule sia una superficie deformabile sia indicazioni direzionali. Il vetro mantiene la propria utilità per la microscopia; l’idrogel modifica l’ambiente fisico percepito dalle cellule.

Il processo evita inoltre che il gel riproduca la curvatura della superficie del liquido in ciascun pozzetto - il menisco- che altrimenti genera spessori irregolari e complica l’acquisizione delle immagini. Rispetto alle formulazioni prive dell’assorbitore, LigHTS ha ridotto di circa dieci volte la disomogeneità dello spessore all’interno del pozzetto. Il passaggio decisivo è che non occorre trattare un pozzetto alla volta. Con un’illuminazione UV collimata, il gruppo ha strutturato in parallelo un’intera piastra da 1.536 pozzetti durante un’unica esposizione di 16 minuti. La preparazione delle piastre, i lavaggi e la reticolazione finale restano fasi separate affidate a robot che movimentano liquidi, ma non è necessario trasferire o assemblare singoli inserti di gel nei pozzetti.

Il controllo qualità è parte dell’invenzione

Per le applicazioni industriali dell’IA, produrre più dati non basta: anche le condizioni sperimentali da cui derivano devono essere misurate e controllate. In oltre 100 pozzetti per ciascun disegno dei solchi, i coefficienti di variazione all’interno della piastra erano inferiori al 15% per lo spessore del gel, circa l’1% per la distanza tra i solchi e inferiori al 20% per la loro profondità.

Il gruppo ha inoltre dimostrato un metodo ottico rapido, che non richiede marcature, per verificare le superfici: l’imaging olografico di fase, con esposizioni di 1-10 millisecondi. Questo approccio apre la strada a raccolte di immagini in cui l’ambiente fisico delle cellule possa essere verificato insieme al loro comportamento: un passo concreto verso una produzione di dati riproducibili e tracciabili per l’IA applicata alla biologia.

«Il controllo qualità - aggiunge Francesco S. Pasqualini - è centrale nel mio lavoro fin dalle ricerche post-dottorato nel gruppo di Kit Parker a Harvard, e resta una priorità per le tecnologie basate sulle cellule staminali che sviluppiamo oggi. Per l’IA industriale, il controllo qualità è importante quanto l’invenzione stessa: dobbiamo sapere non soltanto quanti dati generiamo, ma anche quanto fedelmente i nostri modelli di laboratorio rappresentino la biologia che vogliamo far prevedere all’intelligenza artificiale.»

Testata su cellule tumorali, cutanee e cardiache

I ricercatori hanno testato cellule tumorali umane di fibrosarcoma, cellule epiteliali cutanee e cellule del muscolo cardiaco derivate da cellule staminali pluripotenti indotte. Le cellule tumorali si distendevano in modo diverso sui substrati più morbidi e, durante la migrazione, seguivano i solchi microscopici. Le cellule cutanee formavano colonie sugli idrogel. Le cellule cardiache formavano strati allineati e mantenevano la capacità di contrarsi spontaneamente.

Gli idrogel sottili erano inoltre compatibili con la microscopia confocale ad alta risoluzione, che ha permesso di distinguere strutture fini all’interno delle singole cellule. Introdurre condizioni di coltura simili a quelle dei tessuti non significa quindi dover rinunciare all’accesso ottico necessario per misurare in dettaglio l’aspetto e il comportamento delle cellule: la materia prima per futuri dati di addestramento dell’IA.

In una prova di fattibilità condotta su una piastra da 384 pozzetti, il gruppo ha testato quattro composti a cinque concentrazioni su idrogel piatti e con solchi. Quattro canali di fluorescenza sono stati acquisiti ogni 15 minuti per 12 ore, registrando forma, movimento, variazioni del numero di cellule e stato del ciclo cellulare. Il nocodazolo ha prodotto le variazioni più chiaramente associate alla concentrazione. La prova ha dimostrato la compatibilità con esperimenti che seguono nel tempo molteplici aspetti della risposta ai farmaci.

Un punto di partenza pratico per più laboratori

LigHTS utilizza piastre standard, reagenti disponibili in commercio e fotomaschere su pellicola. Mantiene la compatibilità con le procedure di microscopia esistenti, senza richiedere l’adozione di un dispositivo di coltura su misura. La fabbricazione su tutta la piastra richiede una sorgente UV adeguatamente collimata; nello studio è stato utilizzato un allineatore di maschere commerciale, ma il gruppo è già al lavoro per rendere l’illuminazione ancora più accessibile utilizzando sorgenti UV comuni.

«L’obiettivo non era rendere più elaborata l’imitazione dei tessuti. - dice Pasqualini - Era rendere più semplice introdurre caratteristiche utili dell’ambiente tissutale negli esperimenti di tutti i giorni, offrendo un percorso per passare da questi esperimenti alla produzione su intere piastre.»

Il dono è una base sperimentale più rappresentativa

Per l’IA applicata alla biologia, l’opportunità è apprendere da esperimenti in cui il contesto fisico sia controllato, anziché ignorato. Le immagini della forma, del movimento e dello stato del ciclo cellulare potrebbero essere associate a condizioni definite del substrato e a perturbazioni sperimentali. LigHTS è un passo in questa direzione: biomimetismo alla scala richiesta dall’IA, per misurare i fenotipi cellulari attraverso le immagini. Lo studio dimostra la scalabilità della fabbricazione, la misurabilità delle proprietà dei substrati e la compatibilità biologica. Non dimostra un miglioramento delle previsioni dell’IA né risultati superiori nello screening farmacologico: questi benefici richiedono verifiche dedicate. Non riproduce, inoltre, l’intera complessità di un tessuto umano. Ulteriori studi dovranno anche dimostrare la riproducibilità della produzione tra piastre e lotti di materiale diversi.

L’ambizione è chiara: portare decenni di conoscenze della bioingegneria nei dati che potrebbero contribuire a definire i prossimi decenni delle biotecnologie. Il dono non è un altro algoritmo di intelligenza artificiale. Sono colture cellulari più realistiche da cui l’IA possa imparare.

Lo studio

Enrico A., Rigolli S., Zimmermann J., Pezzotti M., Torchia E., Di Sante M., Auricchio F. e Pasqualini F. S. “LigHTS: Biomimetic Hydrogel Photo-Fabrication for Imaging-Based Ultra-High-Throughput Screening” Advanced Science (2026), e78192. DOI: 10.1002/advs.78192.
Alessandro Enrico e Sara Rigolli hanno contribuito in egual misura. Lo studio è stato condotto da ricercatori dell’Università di Pavia.

Finanziamenti: Marie Skłodowska-Curie CARDINAL (101153603); ERC SYNBIO.ECM (852560); MUR FARE2020 (R20ZE54CTK); e Chips Joint Undertaking (101140192), con cofinanziamenti nazionali, incluso quello del MIMIT per l’Italia (CUP F13C23003260003).