Una inteligencia artificial de Stanford aprende a leer la "huella digital" de cada célula

Distinguir una célula sana de una enferma parece, a primera vista, una tarea reservada a microscopios y a bioquímicos con años de experiencia. Sin embargo, un equipo de la Facultad de Medicina de la Universidad de Stanford encontró un atajo: entrenar a una inteligencia artificial para que reconozca cada célula a partir de los genes que enciende en un momento dado. El resultado es TranscriptFormer, un modelo que compara la llamada expresión génica como si fueran huellas digitales y, a partir de ellas, puede agrupar células, separar las que funcionan bien de las que no y encontrar parecidos inesperados entre organismos muy distintos.

La investigación, publicada recientemente, mostró que la herramienta es capaz de identificar tipos celulares en especies que no formaron parte de su entrenamiento. En otras palabras, la red aprendió reglas generales sobre cómo se comporta una célula y luego pudo extrapolarlas a criaturas que nunca había visto, desde esponjas marinas hasta ranas. Esa capacidad resulta clave para la biología moderna, donde cada vez más laboratorios generan montañas de datos genéticos que ningún investigador puede revisar a ojo desnudo.

Cómo funciona TranscriptFormer

Para entender el mecanismo conviene pensar en un símil hogareño. Si los genes de una célula fueran los ingredientes de una receta, la expresión génica sería la lista de lo que efectivamente se está cocinando en ese momento: no alcanza con saber qué hay en la heladera, hay que ver qué se está preparando. TranscriptFormer analiza precisamente esa lista de "ingredientes activos" y la traduce a un mapa matemático, parecido a un plano de una ciudad donde cada célula ocupa una dirección según lo que está haciendo.

El modelo se entrenó con información de 112 millones de células provenientes de 12 especies distintas, reunidas en atlas celulares que funcionan como grandes catálogos. El procedimiento de aprendizaje fue similar al que utilizan los sistemas de lenguaje: la red debía predecir qué valor faltaba en una secuencia de datos de expresión génica, del mismo modo en que un corrector automático adivina la palabra que sigue en una frase. Tras millones de, la herramienta aprendió patrones tan sólidos que puede ubicar una célula nueva en su "mapa" y medir cuánto se parece a otras, incluso si pertenecen a organismos diferentes.

• Una célula beta del páncreas activa genes vinculados a la producción y liberación de insulina.
• Los linfocitos B encienden genes asociados a la fabricación de anticuerpos.
• Una neurona pone en marcha genes relacionados con la transmisión de señales eléctricas.
• Estas listas de genes activos funcionan como la "firma" que identifica a cada tipo celular.

Pistas sobre el origen de las neuronas y sorpresas en las esponjas

Una de las aplicaciones más llamativas se dio en el campo de la evolución. Al comparar la actividad genética de células de distintas especies, TranscriptFormer encontró similitudes entre los coanocitos de las esponjas —células que les sirven para filtrar agua— y las neuronas de un gusano microscópico y de una rana. Para los investigadores, esa conexión sugiere que el linaje que terminó dando lugar a las neuronas modernas podría tener raíces mucho más antiguas de lo que se pensaba, posiblemente en esas células filtradoras de organismos simples.

El modelo también aportó una lectura inesperada sobre las llamadas células neuroides de las esponjas. Aunque su forma y su nombre las emparentaban con las neuronas, TranscriptFormer detectó que su actividad genética se parece más a la de una glándula de rana implicada en la digestión. El hallazgo sugiere que, en lugar de funcionar como precursoras de neuronas, estas células podrían estar participando en procesos digestivos o secretores, un dato que obliga a repensar parte del árbol evolutivo de los sistemas nerviosos.

Qué falta para que llegue a los laboratorios y a la clínica

Por ahora, TranscriptFormer es una herramienta de investigación. Permite comparar, clasificar y explorar células con una velocidad y una escala imposibles para el trabajo manual, lo que ya la vuelve útil para cualquier laboratorio que maneje grandes conjuntos de datos genéticos. Sin embargo, el paso hacia aplicaciones médicas concretas —como diseñar células con fines terapéuticos o usar el modelo como apoyo en diagnósticos— todavía está en el terreno de las promesas. Faltan validaciones con tejido humano enfermo, faltan ensayos que demuestren que las predicciones del modelo se cumplen fuera de la pantalla y falta, sobre todo, que la herramienta sea adoptada por más equipos de investigación en distintos países. Cuando eso ocurra, la "huella digital" que aprendió a leer podría convertirse en una aliada cotidiana para entender enfermedades y, eventualmente, para tratarlas.