Una IA de Stanford aprende a leer células como quien compara huellas digitales

¿Te imaginas poder mirar una célula y saber, antes que cualquier síntoma, si está sana o empezando a fallar? Eso es justamente lo que logró un equipo de la Facultad de Medicina de la Universidad de Stanford con TranscriptFormer, una inteligencia artificial que analiza la actividad de los genes para diferenciar tipos celulares y comparar organismos que en la vida diaria no tienen nada que ver entre sí.

La clave está en lo que se llama expresión génica: cada célula no enciende todos sus genes a la vez, sino que activa un menú particular según lo que le toca hacer. Es como si cada una llevara una lista de tareas distinta. Una célula beta del páncreas prende los genes necesarios para fabricar y liberar insulina, mientras que un linfocito B enciende otros muy diferentes, los que producen anticuerpos. Esos patrones, esas huellas, son las que la IA aprende a leer.

Cómo se entrena una IA para entender células

Para aprender, TranscriptFormer se alimentó con datos de 112 millones de células provenientes de 12 especies, reunidas en grandes atlas celulares. El método de entrenamiento fue el mismo que se usa con los modelos de lenguaje: se le taparon datos de expresión génica y la herramienta tuvo que adivinar cuáles faltaban, un poco como cuando un autocompletar de celular intenta predecir la palabra siguiente. Con esa práctica, la IA construyó un espacio matemático compartido donde puede medir cuánto se parecen dos células, aunque vengan de organismos tan distintos como una esponja y un gusano microscópico.

• Localiza células en un mapa matemático común, más allá de la especie de la que provengan.
• Distingue células sanas de enfermas a partir de su firma genética.
• Permite comparar tejidos humanos con los de animales sin tener que traducir los datos a mano.
• Puede identificar tipos celulares que no figuraban en los datos con los que fue entrenado.

Qué descubrió al comparar especies

Cuando el modelo salió a probar lo aprendido, aparecieron resultados llamativos. Al rastrear el origen evolutivo de las neuronas, encontró que los coanocitos de las esponjas, unas células con flagelos que les sirven para filtrar agua, se parecen en su actividad genética a las neuronas de un pequeño gusano y de una rana. Aquello alimenta la idea de que las neuronas tienen ancestros muy antiguos en el árbol de la vida.

El segundo hallazgo fue casi el reverso. Las llamadas células neuroides de las esponjas, cuyo nombre invitaba a vincularlas con las neuronas, mostraron un patrón genético mucho más cercano al de una glándula de rana. Eso sugiere que, en lugar de transmitir señales, podrían estar participando en la digestión. Cambiarles la etiqueta no es un capricho: muestra que el parecido morfológico, es decir, la forma que tienen a simple vista, puede engañar, y que la actividad de los genes cuenta una historia más precisa.

¿Y qué cambia para el usuario común? Hoy, TranscriptFormer es una herramienta de investigación: ayuda a los biólogos a clasificar células, buscar nuevas poblaciones y vincular datos de experimentos distintos sin tener que hacerlo a mano, fila por fila. Queda pendiente, eso sí, la posibilidad de diseñar células funcionales que todavía no existen, algo que el propio equipo describe como una aplicación futura todavía abierta. Por ahora, lo concreto es esto: la IA ya puede mirar el menú genético de una célula y decirte qué plato está cocinando y si la cocina anda como debería.