Una herramienta de Stanford entrenada con 112 millones de células abre una nueva lectura sobre la identidad celular

Distinguir una célula sana de una enferma y, al mismo tiempo, identificar tipos celulares en especies que jamás formaron parte de su entrenamiento son las dos pruebas de fuego que atravesó TranscriptFormer, una inteligencia artificial desarrollada en la Facultad de Medicina de la Universidad de Stanford. La herramienta trabaja con la actividad de los genes —es decir, con qué genes enciende cada célula— para establecer parecidos y diferencias entre células de organismos muy distintos entre sí.

El modelo se entrenó con datos de 112 millones de células provenientes de 12 especies, reunidas en atlas que catalogan información sobre células y tejidos. A partir de ese volumen de información, aprendió a interpretar los patrones de expresión génica y a ubicar a cada célula dentro de un espacio matemático compartido. En ese mapa es posible medir cuánto se parecen dos células, incluso cuando pertenecen a organismos diferentes, algo que resulta imposible de abordar de manera simultánea para un equipo humano.

El método, en tres pasos

• Recolecta patrones de expresión génica de 112 millones de células de 12 especies almacenadas en atlas celulares.
• Predice los valores de expresión génica faltantes, en un procedimiento comparable al que usan los modelos de lenguaje para completar palabras omitidas.
• Ubica a cada célula en un espacio matemático donde mide similitudes y diferencias, incluso entre organismos no incluidos en el entrenamiento.

Una de las aplicaciones más llamativas del modelo fue reconstruir el origen evolutivo de las neuronas. Al cruzar información entre especies, TranscriptFormer detectó similitudes entre los coanocitos de las esponjas y las neuronas de un gusano microscópico y de una rana. Esa relación ofrece pistas para estudiar cómo surgieron esas células en la línea evolutiva y qué funciones cumplieron en sus primeras etapas.

El análisis aportó, además, una lectura distinta sobre las llamadas células neuroides de las esponjas. Si bien algunos rasgos habían justificado un nombre vinculado con las neuronas, la actividad genética de esas células resultó más cercana a la de una glándula de rana, lo que sugiere una posible participación en procesos digestivos. La coincidencia refuerza una idea central del trabajo: compartir instrucciones genéticas no equivale a cumplir la misma función, como se observa al comparar una célula beta del páncreas, dedicada a producir insulina, con un linfocito B, dedicado a fabricar anticuerpos.

La plataforma se presenta como una herramienta para acelerar la investigación en biología y medicina. El equipo de Stanford encabezado por el investigador que lideró el desarrollo plantea como horizonte proyectar características de células funcionales que todavía no existen, una línea que podría orientar el diseño de células con fines terapéuticos. Por ahora, ese objetivo permanece planteado como una aplicación futura: todavía no hay plazos ni costos definidos para acceder a productos derivados, aunque el modelo se perfila como un recurso abierto a la comunidad científica que trabaja con atlas celulares.