Una inteligencia artificial de Stanford aprendió a leer la actividad de los genes para clasificar células

Un equipo de la Facultad de Medicina de la Universidad de Stanford presentó TranscriptFormer, una herramienta de inteligencia artificial que distingue células sanas de enfermas e identifica tipos celulares en especies que no formaron parte de su entrenamiento. La clave está en la expresión génica: el conjunto de genes que cada célula enciende para cumplir su función.

Para entender el concepto alcanza con un ejemplo doméstico. En una casa, dos personas pueden compartir la misma biblioteca de recetas, pero una cocina platos salados y la otra prepara postres. Con los genes pasa algo parecido: una célula beta del páncreas activa genes vinculados a la producción y liberación de insulina, mientras que un linfocito B enciende los responsables de fabricar anticuerpos. Leer qué genes se expresan permite reconocer identidades y estados celulares.

Un entrenamiento con 112 millones de células

El modelo se entrenó con datos de 112 millones de células provenientes de 12 especies, reunidas en atlas que organizan información sobre tejidos y funciones. El procedimiento fue comparable al que usan los modelos de lenguaje cuando completan palabras faltantes: el sistema aprendió a predecir valores de expresión génica ausentes y, con ese aprendizaje, ubica cada célula dentro de un espacio matemático compartido donde puede medir cuánto se parece a otras, incluso si pertenecen a organismos distintos.

Qué permitió comprobar

• Distinguir células sanas de enfermas en pruebas realizadas con el modelo.
• Identificar tipos celulares en especies que no integraron el entrenamiento.
• Encontrar similitudes entre los coanocitos de las esponjas y las neuronas de un gusano microscópico y de una rana, un dato útil para investigar el origen evolutivo de las neuronas.
• Reinterpretar las células neuroides de las esponjas: su actividad genética se parece más a la de una glándula de rana, lo que sugiere una posible función digestiva.
• Comparar patrones de expresión génica entre organismos diferentes, algo difícil de analizar manualmente por el volumen de datos.

El alcance futuro del proyecto incluye proyectar características de células funcionales que todavía no existen, una línea que podría orientar el diseño de células con fines terapéuticos. Por ahora, el equipo presenta a TranscriptFormer como una herramienta de investigación, no como un dispositivo listo para aplicación clínica.

Lo que todavía no se sabe

Aunque los resultados son prometedores, quedan varias preguntas abiertas: cómo escalará el modelo cuando se incorporen datos de más especies, qué margen de error mantiene al predecir estados celulares en tejidos poco representados en los atlas y en qué plazos podría convertirse en una herramienta aplicable a estudios clínicos o al diseño de terapias celulares.