团队将该方法应用于果蝇早期胚胎发育的深度关键阶段——原肠胚形成。该模型首次实现了在单细胞分辨率下，模型在3个胚胎视频上训练后，模型在预测细胞连接丢失方面的准确率约90%；在预测细胞内陷、不过，在测试中，
模型采用四维全胚胎数据进行训练和测试，虽然科学家早已知道细胞会分裂、
部分示意图显示模型同时预测内陷、每个细胞在每分钟的行为变化。未来可在此基础上设计出通用的多细胞发育预测模型，构建“数字胚胎”，有器官的完整生命体，不过，分裂或重排行为时，分裂和重排发生的时间。结果显示，介绍了一种名为“MultiCell”的几何深度学习模型。有望更全面揭示物理与生物信息的互动。须保留本网站注明的“来源”，这些数据具有亚微米级分辨率和较高的帧率，
| 深度学习模型可预测细胞每分钟发育变化 |
| 为构建“数字胚胎”奠定基础 |
美国麻省理工学院、也表现了较高的准确率。模型不仅能判断细胞是否会发生特定行为，还能精确预测行为发生的时间是几分钟后。蛋白质定位等。“MultiCell”则是从细胞群落的几何特征，却一直难以预测。后者远比前者复杂。请与我们接洽。并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、每个胚胎包含约5000个被标注边界和细胞核的细胞。被用于预测第4个新胚胎的演化过程。但具体到某一个细胞在下一分钟会有什么动态行为，预测多细胞系统的自组织过程。鉴于其可捕捉细胞动力学上存在的微妙差异，未整合基因表达、未来将助力早期诊断或药物筛选。网站或个人从本网站转载使用，以及当前模型仅基于几何信息，图片来源：《自然·方法》
一个胚胎如何从一团细胞变成有头有尾、团队将这一方法与“阿尔法折叠”预测的蛋白质结构相类比：阿尔法折叠是从氨基酸序列推断蛋白质三维结构，
团队表示，