Una inteligencia artificial de Stanford distingue células sanas y enfermas a partir de la actividad de sus genes

El proyecto nació en la Facultad de Medicina de la Universidad de Stanford y se llama TranscriptFormer. Se trata de un modelo de inteligencia artificial entrenado para leer la actividad de los genes dentro de cada célula y, a partir de esa lectura, diferenciar células sanas de enfermas, identificar tipos celulares y encontrar semejanzas entre organismos muy distintos. La herramienta fue presentada por el equipo de Stanford como un recurso para la investigación biológica, mientras que el diseño de células con fines terapéuticos quedó planteado como una aplicación futura.

Un mapa común para comparar células de especies diferentes

El método se apoya en tres pasos. Primero, el modelo incorpora información de 112 millones de células provenientes de doce especies, reunidas en grandes atlas que organizan datos sobre tejidos y tipos celulares. Segundo, aprende patrones a partir de una tarea sencilla: predecir valores de expresión génica que faltan, un procedimiento comparable al que usan los modelos de lenguaje cuando completan palabras omitidas. Tercero, con ese aprendizaje coloca a cada célula en un espacio matemático compartido, donde puede medir cuánto se parecen entre sí, incluso cuando pertenecen a organismos distintos.

Esa capacidad resultó útil para una pregunta clásica de la biología evolutiva: cómo surgieron las neuronas. Al comparar la actividad genética de distintos organismos, el modelo detectó similitudes entre los coanocitos de las esponjas y las neuronas de un gusano microscópico y de una rana. La coincidencia ofrece pistas para estudiar el origen y la función de esas células a lo largo de la evolución.

Células llamadas neuronas que no lo serían

El mismo enfoque permitió revisar las llamadas células neuroides de las esponjas. Aunque algunos rasgos morfológicos habían motivado ese nombre, asociado con las neuronas, la actividad genética medida por TranscriptFormer las acercó más a una glándula de rana. Para los investigadores, el resultado sugiere que esas células podrían participar en procesos digestivos más que en funciones nerviosas, lo que obliga a reconsiderar lecturas previas sobre su rol.

La clave de estas comparaciones está en la expresión génica, es decir, en qué genes activa cada célula. Compartir instrucciones genéticas no implica cumplir la misma función: una célula beta del páncreas utiliza genes ligados a la producción y liberación de insulina, mientras que los linfocitos B activan los vinculados a la fabricación de anticuerpos. Esos patrones funcionan como una huella que ayuda a reconocer identidades y estados celulares, incluidos los alterados por enfermedades.

• Proyecto: TranscriptFormer, desarrollado en la Facultad de Medicina de la Universidad de Stanford.
• Capacidad: distingue células sanas y enfermas, identifica tipos celulares y compara especies distintas en un mismo mapa.
• Entrenamiento: 112 millones de células de 12 especies, reunidas en atlas celulares, con una técnica similar al completado de palabras de los modelos de lenguaje.
• Hallazgo evolutivo: similitudes entre coanocitos de esponjas y neuronas de gusano y rana.
• Revisión de las células neuroides: su actividad genética se asemeja más a la de una glándula de rana, con posible función digestiva.
• Aplicación inmediata: herramienta para la investigación biológica básica.
• Aplicación futura: proyección de características de células funcionales que aún no existen, como base para eventuales terapias.

El alcance futuro del modelo incluye proyectar características de células funcionales que todavía no existen. Los responsables de Stanford lo plantearon como una posibilidad abierta, todavía sin plazos concretos para su llegada a la clínica. En el corto plazo, TranscriptFormer se posiciona como una pieza más del conjunto de herramientas de inteligencia artificial aplicadas a la biología, con el objetivo de acelerar estudios que, por volumen de datos, resultan difíciles de abordar con métodos manuales.