Stanford entrenó una inteligencia artificial con 112 millones de células y la usó para distinguir tejido sano de enfermo

La Facultad de Medicina de la Universidad de Stanford presentó TranscriptFormer, una inteligencia artificial capaz de diferenciar células sanas y enfermas a partir de su actividad genética. El modelo fue entrenado con información de 112 millones de células pertenecientes a 12 especies, reunidas en atlas que organizan datos sobre tejidos y organismos.

Según detallaron los investigadores, la herramienta fue puesta a prueba en dos frentes. En primer lugar, permitió distinguir células sanas de células enfermas dentro de un mismo organismo. En segundo término, identificó tipos celulares en especies que no habían integrado el conjunto de entrenamiento, lo que amplía su utilidad más allá de los datos con los que fue alimentada.

Expresión

La clave del funcionamiento reside en la expresión génica, es decir, el conjunto de genes que cada célula activa. Compartir instrucciones genéticas no equivale a desempeñar la misma función: una célula beta del páncreas utiliza genes vinculados a la producción y liberación de insulina, mientras que los linfocitos B recurren a genes asociados con la fabricación de anticuerpos. Esos patrones sirven para reconocer identidades y estados celulares.

Para aprender a interpretarlos, TranscriptFormer fue sometido a un procedimiento comparable al que utilizan los modelos de lenguaje: predecir valores de expresión génica faltantes. Con ese aprendizaje, la herramienta sitúa a las células dentro de un espacio matemático compartido, donde puede medir el grado de parecido entre ellas aun cuando provienen de organismos diferentes.

Evolución

Una de las aplicaciones del modelo se concentró en investigar el origen evolutivo de las neuronas. Al comparar organismos, el sistema encontró similitudes entre los coanocitos de las esponjas y las neuronas de un gusano microscópico y de una rana, un vínculo que ofrece pistas para estudiar cómo surgieron esas células y qué funciones cumplen.

El análisis aportó, además, una lectura distinta sobre las denominadas células neuroides de las esponjas. Aunque parte de sus rasgos había motivado un nombre asociado con las neuronas, su actividad genética resultó más próxima a la de una glándula de rana, lo que sugiere una posible participación en procesos digestivos.

Proyección

Los responsables del desarrollo describieron a TranscriptFormer como una herramienta para la investigación biológica. El alcance futuro incluye la proyección de características de células funcionales que todavía no existen, una posibilidad que podría orientar el diseño de células con fines terapéuticos, aunque esa aplicación aparece planteada como un horizonte sin plazos confirmados.

• Entrenamiento con 112 millones de células de 12 especies reunidas en atlas genéticos.
• Capacidad para diferenciar células sanas y enfermas dentro de un mismo organismo.
• Identificación de tipos celulares en especies ajenas al conjunto de entrenamiento.
• Hallazgo de similitudes entre coanocitos de esponjas y neuronas de un gusano microscópico y de una rana.
• Reclasificación de las células neuroides de las esponjas como más cercanas a una glándula de rana.