Una IA lee la actividad de los genes y empieza a separar células sanas de enfermas

Acá va una noticia que parece de laboratorio y termina tocando la mesa del médico. Una inteligencia artificial desarrollada en Stanford aprende a mirar células por lo que hacen, no por cómo se ven. Y con eso empieza a separar lo sano de lo enfermo, y a comparar especies como uno compara barrios de distintas ciudades.

El truco está en qué genes prende cada célula

La herramienta se llama TranscriptFormer y analiza la expresión génica: qué genes activa cada célula y en qué medida. Dos células pueden compartir instrucciones genéticas y cumplir funciones opuestas. Una célula beta del páncreas enciende genes para producir insulina; un linfocito B enciende otros para fabricar anticuerpos. Esos patrones son la huella que el modelo aprende a leer.

• Entrenamiento con 112 millones de células de 12 especies distintas.
• Predicción de valores de expresión génica faltantes, como cuando un modelo de lenguaje completa una palabra.
• Ubicación de cada célula en un espacio matemático compartido para medir parecidos entre organismos.
• Identificación de tipos celulares y de estados sanos o enfermos.
• Comparación cruzada entre especies sin necesidad de reentrenar.

Lo más interesante apareció al cruzar que nunca habían estado juntas en el entrenamiento. El modelo comparó coanocitos de esponjas con neuronas de un gusano microscópico y de una rana, y encontró similitudes. Son pistas concretas para investigar el origen evolutivo de las neuronas: a qué función servían esas células antes de ser lo que hoy conocemos como neuronas.

Cuando la IA corrige el nombre puesto por los humanos

En esa misma línea, el análisis revisó las llamadas células neuroides de las esponjas. Llevan un nombre que suena a neurona, pero su actividad genética las acercó más a una glándula de rana. La lectura sugiere una posible función digestiva. No es un capricho taxonómico: cambia la pregunta de investigación y abre otro ángulo para entender cómo se especializaron las células nerviosas.

Para los grupos de investigación, el valor inmediato es operativo. TranscriptFormer permite abordar combinaciones de datos genéticos cuyo volumen dificulta el análisis humano simultáneo. Dicho en criollo: hace en horas un mapeo que a un equipo le llevaría meses, y lo hace con una vara consistente entre laboratorios. Eso estandariza comparaciones y acelera hallazgos replicables.

El horizonte: proyectar características de células funcionales que todavía no existen, una puerta entreabierta hacia el diseño celular con fines terapêuticos. Por ahora eso es un escenario prospectivo, no una herramienta en uso clínico. La pregunta es cuándo ese salto del mapa al diseño deja de ser una promesa y se convierte en un protocolo con pacientes en la mesa.