麻省理工学院的工程师团队开发了一种新方法，能够逐分钟预测果蝇胚胎中细胞的折叠、分裂和重组。这种深度学习模型在分析细胞几何特性方面的准确率达到90%，未来可能用于研究其他物种的细胞发展及早期疾病模式。

单细胞基因组学推动了细胞行为理解和精准医疗的发展，但现有单细胞测序技术存在局限。最优传输（OT）方法有效，但传统求解器在可扩展性和隐私方面存在问题。基于神经网络的OT求解器灵活性不足。我们的方法通过学习随机映射，放宽质量守恒约束，结合二次求解器，提供了灵活有效的框架，展示了在细胞发展和药物反应建模等领域的应用潜力。