Una IA de Stanford aprendió a leer el idioma de las células y ya diferencia las sanas de las que andan mal

¿Una inteligencia artificial que mira células y te dice si están sanas o enfermas? Sí, y no es magia: es un modelo de la Facultad de Medicina de Stanford que se llama TranscriptFormer y trabaja leyendo qué genes se prenden y cuáles se apagan en cada célula. Ojo con la sigla "IA" que a veces suena a ciencia ficción y termina siendo, como en este caso, una herramienta concreta al servicio de la biología.

¿Qué hace y con qué datos aprende?

El sistema se entrenó con información de 112 millones de células belonging a 12 especies distintas, reunidas en esos mapas biológicos que se llaman "atlas celulares" (o sea, bases de datos que ordenan qué hace cada célula según el tejido y el organismo). Lo que la máquina aprende es a predecir valores de expresión génica faltantes: dicho en criollo, completa los datos que faltan sobre qué genes están activos en una célula, de la misma manera que el corrector del celular te termina una palabra a medio escribir.

Con ese entrenamiento, TranscriptFormer ubica a las células en un espacio matemático compartido, algo así como un mapa donde cada célula tiene coordenadas según su actividad genética. En ese mapa mide distancias: cuánto se parecen dos células, aunque vengan de especies diferentes. Y ahí aparecen los hallazgos.

¿Qué encontró que sirva para la ciencia?

Dos cosas, mínimo. Primero, ayudó a tirar un poco de luz sobre el origen evolutivo de las neuronas: al comparar organismos, halló que los coanocitos de las esponjas (esas células con collar y flagelo que filtran agua) se parecen, en su actividad genética, a neuronas de un gusano microscópico y de una rana. Vínculo que da pistas sobre cómo aparecieron las neuronas en la cadena evolutiva.

Segundo, le dio un giro a las llamadas "células neuroides" de las esponjas, que por su forma recordaban a neuronas. La IA dice otra cosa: su patrón genético se parece más al de una glándula de rana, lo que apunta a un rol en la digestión. La IA no te cuenta un cuento: lee datos y deja la evidencia servida.

• Distinción entre célula sana y enferma a partir de la actividad génica, sin necesidad de mirar la célula al microscopio.
• Identificación de tipos celulares en especies que no formaron parte del entrenamiento, lo que amplía el alcance del modelo.
• Hallazgo de parentescos evolutivos entre células de organismos muy distintos, como esponjas, gusanos y ranas.
• Reinterpretación de células mal catalogadas: las neuroides de las esponjas parecen más glandulares que neuronales.

La lógica de fondo es simple y la explican los propios investigadores: compartir genes no significa hacer lo mismo. Una célula beta del páncreas (las que viven en los islotes de Langerhans, que es la zona del páncreas donde se fabrica la insulina) prende genes vinculados a producir y liberar insulina; un linfocito B (un tipo de glóbulo blanco de la sangre) activa genes para fabricar anticuerpos. Patrones distintos, funciones distintas. La IA aprende esos patrones y los usa como huella digital.

¿Y las terapias con células diseñadas a medida? El paper lo menciona como aplicación futura, no como logro del presente. El modelo todavía no construye células funcionales nuevas: las proyecta, las imagina en el mapa. Diseñar terapias a partir de eso queda para otra etapa, con sus ensayos, sus controles y, sobre todo, con tiempos biológicos que no se aceleran porque a un modelo se le ocurra.

Mientras tanto, la señal sigue sin llegar. O sí llega: lo que llega es la capacidad de leer, comparar y clasificar células a escala masiva, algo que el ojo humano, ni con el mejor microscopio del mundo, puede hacer sobre 112 millones de células a la vez.