Una inteligencia artificial de Stanford aprendió a leer células como si fueran textos

El modelo de inteligencia artificial TranscriptFormer fue entrenado con información proveniente de 112 millones de células correspondientes a doce especies distintas. A partir de esa base, la herramienta desarrollada en la Facultad de Medicina de la Universidad de Stanford es capaz de diferenciar células sanas de enfermas, identificar tipos celulares y encontrar semejanzas entre organismos muy alejados en la cadena evolutiva. El dato de partida no es menor: se trata de uno de los corpus biológicos más extensos utilizados hasta ahora para entrenar un sistema de este tipo.

Cómo aprende una inteligencia artificial a leer células

El procedimiento de entrenamiento guarda un parecido directo con el que usan los modelos de lenguaje. Así como esos sistemas aprenden a completar palabras que faltan en una frase, TranscriptFormer aprendió a predecir valores de expresión génica ausentes. Es decir, a partir de la información disponible sobre los genes que una célula tiene activos, el modelo estima cuáles deberían ser los valores faltantes en ese perfil. La clave está en la expresión génica: dos células pueden compartir instrucciones genéticas, pero no cumplen la misma función. Una célula beta del páncreas activa genes vinculados a la producción y liberación de insulina; los linfocitos B, en cambio, ponen en marcha los relacionados con la fabricación de anticuerpos. Esos patrones de actividad permiten reconocer identidades y estados celulares.

Una vez entrenado, el modelo ubica a cada célula dentro de un espacio matemático compartido. En ese mapa es posible medir cuán parecidas son, incluso cuando pertenecen a organismos distintos. La herramienta permite entonces abordar combinaciones de datos genéticos cuyo volumen vuelve muy difícil el análisis humano en simultáneo.

Qué reveló sobre el origen de las neuronas

Una de las aplicaciones más llamativas del modelo fue el estudio del origen evolutivo de las neuronas. Al comparar organismos, TranscriptFormer encontró similitudes entre los coanocitos de las esponjas y las neuronas de un gusano microscópico y de una rana. Esa relación ofrece pistas para investigar cómo surgieron esas células y qué funciones cumplen en cada especie.

El análisis también aportó una lectura distinta sobre las llamadas células neuroides de las esponjas. Aunque algunos de sus rasgos habían motivado un nombre asociado con las neuronas, su actividad genética resultó más cercana a la de una glándula de rana. El hallazgo sugiere una posible participación en procesos digestivos y pone en discusión la propia denominación de esas células.

Qué aplicaciones concretas se vienen

• Diferenciar células sanas de enfermas a partir de su actividad genética.
• Comparar tipos celulares entre especies que no integraron el entrenamiento.
• Aportar una herramienta de análisis frente a volúmenes de datos imposibles de revisar manualmente.
• Proyectar, en el mediano plazo, características de células funcionales que todavía no existen, lo que podría orientar el diseño de células para terapias específicas.

Sobre este último punto conviene poner un freno. La posibilidad de diseñar células con funciones predeterminadas aparece planteada por los propios investigadores como una aplicación futura. Todavía no hay resultados publicados en ese terreno ni ensayos que permitan hablar de una terapéutica concreta. La cautela es necesaria: la distancia entre un modelo que predice patrones y una célula efectivamente diseñada y probada en laboratorio sigue siendo considerable.

Más allá de los anuncios, lo que queda claro es que TranscriptFormer aporta una pieza nueva para la investigación biológica. Permite hacer comparaciones que hasta ahora exigían aproximaciones indirectas y deja planteado un escenario en el que la biología celular empezará a apoyarse de manera creciente en modelos de inteligencia artificial entrenados con grandes atlas de datos. La pregunta abierta es hasta dónde llegará esa colaboración y qué nuevos límites podrá correr.