Una inteligencia artificial aprende el idioma químico que les dice a las células qué tienen que ser

Un grupo de investigación del Instituto Whitehead, dependiente del Instituto Tecnológico de Massachusetts, construyó un sistema de inteligencia artificial llamado IRIS que interpreta los mensajes químicos que recibe una célula mientras se desarrolla un embrión y anticipa, a partir de esos mensajes, en qué tejido se va a convertir. En pruebas con embriones de ratón, el sistema identificó con precisión las señales que dirigen la formación del corazón, los pulmones, los intestinos, los músculos y la médula espinal.

Un mapa de señales que aún no existía

Las células del cuerpo humano no trabajan de forma aislada. Durante el desarrollo embrionario se comunican mediante señales químicas que les indican en qué tipo de célula deben convertirse: una neurona, una célula cardíaca o parte de un pulmón. Descifrar ese sistema de comunicación fue, hasta ahora, uno de los desafíos más complejos de la biología del desarrollo. IRIS aborda ese problema con una estrategia de aprendizaje por transferencia, la misma técnica que permite a un sistema entrenado en un idioma reconocer patrones en otro. Pulin Li, investigadora del Instituto Whitehead y profesora de biología en el MIT, lo explica con un ejemplo cotidiano: Piensa en los sistemas de reconocimiento de voz como Siri, que se entrenan principalmente en inglés, pero que después usan ese entrenamiento para reconocer otros idiomas. De la misma manera, IRIS aprende a identificar una señal química en un grupo de células y luego la reconoce en tejidos completamente distintos, incluso en aquellos que no formaron parte de su entrenamiento.

Para construir el sistema, el equipo trabajó con células madre de ratón y de humano. Activó y desactivó de forma controlada seis señales químicas distintas, las combinó de miles de maneras y registró cómo respondía la actividad genética de cada célula. Con esos datos armó un mapa de correspondencias: ante determinada combinación de señales, el sistema puede predecir el destino de la célula.

• Identificó con precisión las señales que conducen a la formación del corazón, los intestinos, los músculos y la médula espinal en embriones de ratón.
• Superó una prueba sobre segmentación embrionaria, un proceso en el que el cuerpo se organiza en partes respondiendo a señales que llegan desde dos direcciones opuestas, sin haber sido entrenado específicamente para esa tarea.
• Dio respuestas correctas al ser evaluado con tipos de células nerviosas que nunca había procesado, y sus predicciones coincidieron con lo que ya se sabía sobre la formación del sistema nervioso.
• Ya se lo aplicó para mejorar el cultivo de tejido pulmonar en laboratorio, con implicancias potenciales para enfermedades como el asma y la fibrosis pulmonar.

El avance abre una puerta concreta: si se logra cultivar tejido pulmonar en mejores condiciones en el laboratorio, la investigación de enfermedades respiratorias como el asma y la fibrosis pulmonar gana una herramienta nueva. Lo que todavía no se sabe es cuándo podrá probarse en tejidos humanos completos ni si el sistema mantendrá su precisión cuando se enfrente a combinaciones de señales que no fueron contempladas en el entrenamiento original.