Una inteligencia artificial de Stanford aprende a leer la salud de una célula por los genes que enciende

¿Una computadora puede mirar una célula y decirnos si está sana o enferma sin verla por el microscopio? Lo que hasta hace poco sonaba a ciencia ficción acaba de dar un paso concreto en la Facultad de Medicina de la Universidad de Stanford, donde un equipo desarrolló TranscriptFormer, una inteligencia artificial capaz de diferenciar células a partir de los genes que cada una decide encender.

Para entrenarla, los investigadores le mostraron datos de 112 millones de células pertenecientes a doce especies, ordenados en grandes atlas que funcionan como mapas detallados de tejidos y organismos. El procedimiento de aprendizaje fue, en esencia, el mismo que usan los modelos de lenguaje cuando completan palabras faltantes: la herramienta tuvo que predecir qué genes se estaban expresando en cada célula a partir de pistas parciales. A fuerza de terminó por captar los patrones que distinguen a un tipo celular de otro.

Una comparación cruzada entre especies

Comparar las células de una esponja marina con las de un ratón o una rana no es tarea sencilla para un ser humano, pero sí para un modelo entrenado con esa cantidad de información. TranscriptFormer ubica cada célula en un espacio matemático compartido donde mide cuánto se parecen entre sí, sin importar el organismo del que provengan.

En las pruebas, la herramienta detectó similitudes llamativas entre los coanocitos de las esponjas y las neuronas del gusano Caenorhabditis elegans y de la rana Xenopus, un dato que ayuda a reconstruir el origen evolutivo de las células nerviosas. En cambio, las llamadas células neuroides de las esponjas, bautizadas así por algunos rasgos que recordaban a las neuronas, mostraron una actividad genética mucho más cercana a la de una glándula de la rana, lo que sugiere que su verdadera función podría estar ligada a la digestión y no a la transmisión de señales.

La cocina ayuda a entender la idea de base. Pensemos en un mismo genoma como una biblioteca enorme de recetas: cada célula abre solo el recetario que le sirve, ya sea el de producir insulina, como las células beta del páncreas, o el de fabricar anticuerpos, como los linfocitos B. Lo que TranscriptFormer aprende es a leer qué recetario está abierto en cada célula y, a partir de ahí, decidir si ese menú corresponde a una célula sana, a una enferma o a un tipo celular conocido.

En diálogo con el equipo de Stanford, los autores destacan que el modelo aporta una herramienta sólida para la investigación biológica actual, mientras que el diseño a medida de células funcionales con fines terapéuticos queda planteado como una aplicación futura. La próxima campaña de pruebas, según adelantaron, buscará ampliar el universo de especies incluidas en el entrenamiento y validar el uso de TranscriptFormer para predecir cómo cambiará la actividad genética de una célula cuando se la exponga a distintos fármacos o mutaciones. Esos resultados, afirman, permitirán saber hasta dónde puede llegar esta cocina genética asistida por inteligencia artificial.