Una inteligencia artificial de Stanford lee la actividad genética y separa células sanas de enfermas

Una herramienta desarrollada por la Facultad de Medicina de la Universidad de Stanford puso a la inteligencia artificial a diferenciar células sanas de enfermas y a comparar tipos celulares entre especies que no formaron parte de su entrenamiento. El modelo, llamado TranscriptFormer, trabaja sobre la actividad de los genes y ya arrojó resultados publicados en la revista Nature.

Hay que decirlo con todas las letras: el sistema no fabrica células ni diseña tratamientos. Lo que hace es interpretar patrones de expresión génica, es decir, qué genes enciende cada célula y con qué intensidad. A partir de esa lectura, el algoritmo puede decir si dos células se parecen, aunque provengan de organismos distintos, y si una muestra corresponde a un tejido sano o a uno enfermo.

Del relleno de palabras a la biología

El entrenamiento se apoyó en datos de 112 millones de células reunidas en atlas de doce especies, desde humanos hasta esponjas marinas. Para que el modelo aprendiera, los investigadores le plantearon una tarea comparable a la que usan los grandes modelos de lenguaje: completar valores de expresión génica faltantes. Así como esos sistemas adivinan la palabra que falta en una frase, TranscriptFormer aprendió a inferir qué genes deberían estar activos en una célula a partir del resto de la información disponible.

Con ese aprendizaje, la herramienta arma un espacio matemático común para todas las células analizadas. En ese mapa, cada célula ocupa una posición según su perfil de genes activos y la distancia con otras células indica cuánto se parecen. Esa arquitectura permite cruzar conjuntos de datos cuyo volumen vuelve imposible el análisis manual.

Neuronas, esponjas y un replanteo

Una de las pruebas más llamativas estuvo vinculada al origen evolutivo de las neuronas. Al comparar perfiles genéticos, el modelo detectó que los coanocitos de las esponjas comparten actividad con neuronas de un gusano microscópico, el Caenorhabditis elegans, y de una rana, la Xenopus. El dato aporta una pista sobre cómo aparecieron esas células en el árbol de la vida.

• Los coanocitos son células que tapizan el interior de las esponjas y cumplen funciones de filtrado y captura de alimento.
• El equipo comparó la actividad genética de esas células con la de neuronas de gusano y de rana, dos organismos separados por cientos de millones de años de evolución.
• La coincidencia en los patrones de expresión refuerza la hipótesis de que las neuronas modernas derivan de células ancestrales comunes con las esponjas.

Un nombre que quedó corto

El mismo ejercicio obligó a revisar las llamadas células neuroides de las esponjas. Aunque su nombre las emparentaba con las neuronas, TranscriptFormer mostró que su perfil genético se parece más al de una glándula digestiva de rana que al de una neurona. El hallazgo sugiere que esas células estarían más involucradas en procesos digestivos que en la transmisión de señales.

La promesa de fondo, sostienen los investigadores, es contar con un traductor universal de la actividad celular. Eso abre la puerta a investigar enfermedades con precisión molecular y, más adelante, a proyectar cómo serían células funcionales que todavía no existen. Diseñar células para terapias, sin embargo, aparece en los papers como una aplicación futura, no como una herramienta lista para el consultorio.

El contraste entre el entusiasmo que despierta la inteligencia artificial en biomedicina y los resultados concretos que ya entrega TranscriptFormer es notorio. La herramienta ya distingue lo enfermo de lo sano y reescribe partes del árbol de la vida; la fabricación de células a medida, en cambio, sigue siendo una promesa sin fecha. ¿Cuánto tiempo pasará hasta que la prensa especializada deje de presentarla como inminente y empiece a tratarla como lo que es: un horizonte todavía lejano?