Una IA que aprende a leer el idioma secreto de las células y anticipa qué tejido van a formar

A ver, pongámonos en algo que todos nos preguntamos: ¿cómo sabe una célula si tiene que terminar siendo parte del corazón o de un pulmón? Parece magia, pero no. Es química. Durante el desarrollo del embrión, las células se pasan mensajes entre ellas y, según el mensaje, se transforman en una cosa o en otra. Ahora bien, descifrar ese idioma interno era una de las cuentas más pendientes de la biología. Y un equipo del Instituto Whitehead, en Cambridge, Estados Unidos, acaba de meterle a esa conversación.

El sistema se llama IRIS y fue entrenado para escuchar esas señales químicas y predecir qué tejido va a formar cada célula. Lo notable es que no lo hace solo en un tipo de célula: aprende el patrón general y después lo reconoce en tejidos que nunca vio.

Cómo funciona, sin entrar en la jerga

Pulin Li, investigadora del Instituto Whitehead y profesora de biología en el MIT, lo compara con algo que usamos todos los días. "Pensá en los sistemas de reconocimiento de voz como Siri, que se entrenan principalmente en inglés, pero que después usan ese entrenamiento para reconocer otros idiomas", explicó. Esa técnica se llama aprendizaje por transferencia, y es la misma que aplicaron acá: entrenan al sistema con un tipo de señal química en un grupo de células y después él solito la reconoce en tejidos completamente distintos.

Para armarlo, el equipo trabajó con células madre de ratón y de humano. Activaron y desactivaron de forma controlada seis señales químicas distintas, las combinaron de miles de maneras y registraron cómo respondía la actividad genética de cada célula. Con toda esa información construyeron un mapa de equivalencias: ante determinada combinación de señales, IRIS puede anticipar el destino de la célula.

• En embriones de ratón, anticipó con precisión qué señales conducen a la formación del corazón, los intestinos, los músculos y la médula espinal.
• Superó una prueba de segmentación embrionaria, un proceso donde el cuerpo se organiza en partes a partir de señales que llegan desde dos direcciones opuestas, sin haber sido entrenado específicamente para esa tarea.
• Cuando se lo evaluó con tipos de células nerviosas que nunca había visto, sus predicciones coincidieron con lo que ya se sabía sobre la formación del sistema nervioso.
• En la práctica, los investigadores ya lo usaron para mejorar el cultivo de tejido pulmonar en laboratorio, con implicancias potenciales para enfermedades como el asma y la fibrosis pulmonar.

Lo que me interesa marcar, para no vender humo, es esto: IRIS no descubre lo que los biólogos no sabían. Lo que hace es ordenar y sistematizar un conocimiento que estaba disperso en miles de papers y experimentos. Es una herramienta para leer más rápido y mejor ese manual de instrucciones que las células vienen usando desde hace millones de años.

Por qué importa, en criollo

Piensen en una colonia de células madre que un laboratorio quiere convertir en tejido pulmonar para probar un medicamento contra el asma. Hoy ese proceso es caro, lento y a veces falla. Con un sistema como IRIS, los investigadores podrían saber de antemano qué combinaciones de señales químicas funcionan mejor para empujar a esas células en la dirección correcta. Menos descarte, más tejido útil, ensayos más baratos.

El propio equipo ya dio un paso concreto: aplicó IRIS para mejorar el cultivo de tejido pulmonar. Es decir, no estamos hablando de una promesa a futuro, sino de un caso donde la IA pasó del paper al laboratorio en un mismo movimiento.

Después, hay una segunda lectura, menos espectacular pero igual de importante. Cada vez que una herramienta como esta se entrena con datos de ratón y de humano, deja al descubierto hasta dónde se parece la biología entre especies y dónde se separa. Eso, para entender enfermedades, es oro.

Falta, claro, la pregunta del millón: ¿cuándo vamos a ver esto aplicado de manera masiva en el consultorio o en el laboratorio clínico? La herramienta ya existe y funciona. La pregunta es cuándo.