Una herramienta de inteligencia artificial desarrollada en Stanford identifica células sanas y enfermas a partir de la actividad de sus genes

El modelo TranscriptFormer, creado por un equipo de la Facultad de Medicina de la Universidad de Stanford, permite distinguir células sanas de células enfermas y, al mismo tiempo, reconocer tipos celulares en especies que no formaron parte de su entrenamiento. La herramienta trabaja con la actividad de los genes y, a partir de ella, establece parecidos y diferencias entre células de organismos muy distintos entre sí.

Comparaciones entre especies

Una de las pruebas más llamativas apuntó al origen evolutivo de las neuronas. Cuando el sistema contrastó la información disponible, detectó similitudes entre los coanocitos de las esponjas y las neuronas de un gusano microscópico y de una rana. Esa coincidencia ofrece pistas para investigar cómo surgieron esas células a lo largo de la evolución y qué funciones terminaron cumpliendo en organismos más complejos.

El análisis también aportó una lectura diferente sobre las denominadas células neuroides de las esponjas. Si bien algunos de sus rasgos morfológicos habían motivado un nombre asociado con las neuronas, el estudio de su actividad genética mostró que su comportamiento se asemeja más al de una glándula de rana, lo que sugiere una posible participación en procesos digestivos.

La clave de estas comparaciones reside en la expresión génica, es decir, en el conjunto de genes que cada célula activa en un momento dado. Compartir instrucciones genéticas no equivale a desempeñar la misma tarea: una célula beta del páncreas utiliza genes vinculados con la producción y liberación de insulina, mientras que los linfocitos B activan genes asociados a la fabricación de anticuerpos. Esos patrones funcionan como una huella que ayuda a reconocer identidades y estados celulares.

Un entrenamiento con 112 millones de células

• El sistema se entrenó con datos de 112 millones de células provenientes de 12 especies, reunidos en atlas que organizan información sobre células y tejidos.
• El procedimiento de aprendizaje consistió en predecir valores de expresión génica faltantes, un método comparable al que utilizan los modelos de lenguaje para completar palabras omitidas.
• Con ese entrenamiento, la herramienta ubica a las células en un espacio matemático compartido donde puede medir cuánto se parecen, incluso cuando pertenecen a organismos diferentes.
• Gracias a esa representación, es posible combinar volúmenes de datos genéticos que resultan demasiado extensos para el análisis humano simultáneo.

Qué cambia en la investigación

En el corto plazo, TranscriptFormer se perfila como una herramienta para la investigación biológica, ya que facilita la comparación entre tipos celulares de especies diversas y permite observar con mayor precisión cuándo una célula se desvía del patrón saludable. A más largo plazo, sus creadores mencionan la posibilidad de proyectar características de células funcionales que todavía no existen, un camino que podría orientar el diseño de células con fines terapéuticos, aunque esa aplicación todavía se presenta como un horizonte en construcción y no como un resultado inmediato.