Una herramienta de Stanford aprende a leer células como quien compara recetas de cocina

Cuando un médico pide un estudio de sangre en Santiago del Estero, el laboratorio devuelve un listado de valores: glóbulos rojos, blancos, plaquetas. Detrás de cada número hay una célula que activó un conjunto particular de genes. Una inteligencia artificial desarrollada en la Facultad de Medicina de la Universidad de Stanford aprendió a leer esos patrones con una precisión inédita y abre una nueva puerta para la investigación biomédica.

Qué hace y cómo se entrenó

El modelo, llamado TranscriptFormer, fue entrenado con datos de 112 millones de células pertenecientes a 12 especies distintas, reunidas en grandes atlas que organizan la información sobre tejidos y organismos. El procedimiento de aprendizaje es comparable al que usan los modelos de lenguaje: al igual que un sistema completa palabras faltantes en una frase, la herramienta predice qué valor de expresión génica debería tener una célula a partir de la información disponible.

La clave del método está en la expresión génica, es decir, en el conjunto de genes que cada célula activa para cumplir su función. Así como una fábrica de empanadas en Santiago del Estero activa genes vinculados a la producción de masa y relleno, mientras que un taller de telar activa genes asociados a fibras, distintos tipos celulares encienden patrones genéticos diferentes. El modelo traduce esos patrones a un espacio matemático común, donde puede medir cuánto se parecen entre sí células de organismos muy distantes.

Qué encontró al comparar especies

Una de las pruebas más llamativas estuvo dedicada al origen evolutivo de las neuronas. Al cruzar datos de esponjas, gusanos microscópicos y ranas, el sistema detectó que los coanocitos de las esponjas, células encargadas de mover el agua para filtrar alimento, comparten perfiles de actividad genética con neuronas de las otras dos especies. El hallazgo aporta pistas concretas para estudiar cómo surgieron células tan especializadas.

La sorpresa llegó con las llamadas células neuroides de las esponjas, que por su forma habían sido bautizadas como parientes de las neuronas. TranscriptFormer mostró que su actividad genética se parece más a la de una glándula de rana que a la de una neurona. La reinterpretación sugiere que esas células podrían tener un papel digestivo, en línea con el modo en que las esponjas se alimentan.

• Entrenamiento con 112 millones de células de 12 especies reunidas en atlas genéticos.
• Predicción de valores de expresión génica faltantes, similar al completado de palabras en modelos de lenguaje.
• Ubicación de cada célula en un espacio matemático compartido para medir parecidos.
• Comparación entre organismos distintos, incluso sin presencia en los datos de entrenamiento.
• Detección de diferencias entre células sanas y enfermas a partir de sus patrones genéticos.

Lo que todavía falta

Por ahora, la herramienta funciona como un instrumento de investigación. Los propios autores la describen como una pieza clave para analizar datos, pero no como un sistema listo para diseñar células con fines terapéuticos. Esa posibilidad aparece en los papers como una aplicación futura y todavía sin plazos: armar células a medida exige primero entender con mucha más profundidad qué hace que una célula sea sana y qué la enferma. El modelo aporta el mapa; el resto del trabajo seguirá en los laboratorios.