Una inteligencia artificial aprendió a leer la actividad de los genes para distinguir células sanas de enfermas
El modelo TranscriptFormer, desarrollado por un equipo de Stanford, fue entrenado con 112 millones de células de 12 especies y permite comparar organismos a partir de los genes que cada célula activa. Identificó tipos celulares, halló similitudes evolutivas y abre la puerta a una nueva generación de atlas biológicos.
¿Puede una computadora mirar una célula y decirnos si está sana o está enferma? Parece una pregunta de película, pero un equipo de la Facultad de Medicina de la Universidad de Stanford acaba de dar un paso concreto en esa dirección con una herramienta llamada TranscriptFormer. La idea de fondo es sencilla de explicar y, al mismo tiempo, revolucionaria: en vez de observar la célula por fuera, la inteligencia artificial analiza qué genes están encendidos y qué genes están apagados en cada momento. Esa firma genética funciona como una huella dactilar que distingue un tipo de célula de otro, y también a una célula sana de una que está en problemas.
Un mapa común para comparar especies
Para entrenar al modelo, los investigadores le mostraron datos de 112 millones de células appartenant 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 cuando completan una palabra que falta en una frase: el sistema aprende a predecir qué valor de expresión génica debería haber en un lugar vacío del mapa celular. Una vez entrenado, TranscriptFormer ubica a cada célula en un espacio matemático compartido, donde puede medir cuánto se parecen entre sí, incluso si pertenecen a un gusano microscópico, una rana o un ratón.
La comparación no es trivial. Compartir ADN no significa cumplir la misma función: una célula beta del páncreas activa genes vinculados con la producción de insulina, mientras que un linfocito B enciende genes asociados a la fabricación de anticuerpos. Son recetas distintas para tareas distintas, y TranscriptFormer aprende a reconocer esos patrones como un cocinero que identifica cada receta por sus ingredientes, más allá del nombre del plato.
El equipo de Stanford, liderado por los investigadores que presentaron el trabajo, subraya que el alcance futuro incluye proyectar características de células funcionales que todavía no existen, una posibilidad que podría orientar el diseño celular con fines terapéuticos, aunque esa aplicación aún se plantea como un horizonte por explorar. Por ahora, la herramienta ya funciona como una lupa de alta resolución para la biología comparada: un instrumento que, en palabras del propio grupo, ofrece una forma nueva de mirar la vida a escala celular.
Comentarios
0Todavía no hay comentarios. Sé el primero.