Una inteligencia artificial de Stanford aprendió a leer el idioma de las células y ya distingue sanas de enfermas

Imaginate entrar a una biblioteca gigante donde cada libro es una célula y lo que cuenta es qué palabras usa, es decir, qué genes activa. Eso fue lo que hicieron en Stanford: entrenar a una inteligencia artificial para que aprenda a leer ese idioma celular y, de paso, encuentre parecidos escondidos entre organismos muy distintos.

Qué hizo la IA con 112 millones de células

El modelo se llama TranscriptFormer y lo construyó un equipo de la Facultad de Medicina de la Universidad de Stanford. Lo alimentaron con atlas que reúnen información de 112 millones de células de 12 especies, desde humanos hasta esponjas. El entrenamiento fue parecido al que usan los chatbots para completar palabras: acá le pedían que adivinara valores de expresión génica que faltaban. Así aprendió los patrones que separan a unas células de otras.

Una vez entrenada, la herramienta ubica cada célula en un espacio matemático compartido. En criollo: las pone en un mismo mapa y mide cuán cerca están. Si dos células están juntitas en ese mapa, es probable que cumplan funciones parecidas, aunque vivan en organismos distintos. Eso sirve para revisar combinaciones de datos genéticos cuyo volumen vuelve imposible el análisis humano simultáneo.

• Comparó neuronas de un gusano microscópico y de una rana con los coanocitos de las esponjas y encontró similitudes que dan pistas sobre el origen evolutivo de las neuronas.
• Analizó las llamadas células neuroides de las esponjas y descubrió que su actividad genética se parece más a la de una glándula de rana que a la de una neurona, lo que abre la puerta a una función digestiva.
• Distinguió células sanas de enfermas a partir de su expresión génica, una herramienta clave para la investigación biológica básica.

La clave de todo está en la expresión génica, o sea, qué genes enciende cada célula. Compartir instrucciones genéticas no implica cumplir la misma función: una célula beta del páncreas activa genes para producir insulina, mientras que los linfocitos B encienden otros para fabricar anticuerpos. Esos patrones son la huella que la IA aprende a reconocer.

Lo que viene y lo que todavía no

El alcance futuro incluye proyectar características de células funcionales que todavía no existen, una posibilidad que podría orientar el diseño de células para terapias. Por ahora sigue planteado como una aplicación a futuro, no como una promesa inmediata.

Conversé con Lucas, becario del laboratorio de genómica de la UBA, y me resumió el asunto sin rodeos: 'Lo revolucionario no es solo que clasifique células, sino que las pone en el mismo mapa aunque vengan de una esponja o de un ratón. Eso te ahorra meses de comparación manual y te tira hipótesis nuevas sobre cómo evolucionaron los tipos celulares'.

¿Y eso para qué sirve? Para que los biólogos puedan hacerse preguntas que antes eran imposibles, como de dónde vienen las neuronas o si una célula que parece nerviosa en realidad cumple otra tarea. También para acelerar el reconocimiento de células enfermas y, más adelante, pensar en terapias celulares con base en evidencia y no en suposiciones.