Distinguir una célula sana de una enferma e identificar tipos celulares en especies que no integraron el entrenamiento fueron dos resultados de las pruebas con TranscriptFormer. La inteligencia artificial desarrollada por un equipo de la Facultad de Medicina de la Universidad de Stanford analiza la actividad de los genes para establecer semejanzas y diferencias entre células.

Una de sus aplicaciones permitió investigar el origen evolutivo de las neuronas. Al comparar organismos, el modelo encontró 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 y qué funciones cumplen.

El análisis también aportó otra lectura sobre las llamadas células neuroides de las esponjas. Aunque algunos de sus rasgos habían motivado un nombre asociado con las neuronas, su actividad genética resultó más cercana a la de una glándula de rana. El hallazgo sugiere una posible participación en la digestión.

La clave de estas comparaciones está en la expresión génica, es decir, qué genes activa cada célula. Compartir instrucciones genéticas no implica cumplir la misma función: una célula beta del páncreas utiliza genes relacionados con la producción y liberación de insulina, mientras que los linfocitos B producen anticuerpos. Esos patrones ayudan a reconocer identidades y estados celulares.

Para aprender a interpretarlos, TranscriptFormer utilizó datos de 112 millones de células de 12 especies, reunidos en atlas que organizan información sobre células y tejidos. Su entrenamiento consistió en predecir valores de expresión génica faltantes, mediante un procedimiento comparable al que emplean los modelos de lenguaje cuando completan palabras omitidas.

Con ese aprendizaje, la herramienta ubica las células dentro de un espacio matemático compartido. Allí puede medir cuánto se parecen, incluso cuando pertenecen a organismos diferentes. Esto permite abordar combinaciones de datos genéticos cuyo volumen dificulta el análisis humano simultáneo.

El alcance futuro incluye proyectar características de células funcionales que todavía no existen, una posibilidad que podría orientar terapias celulares a medida. Esa perspectiva sigue siendo una aplicación potencial. Stephen Quake, profesor de bioingeniería y coautor principal de los estudios, definió el propósito: “Es una herramienta para ayudar a biólogos expertos a pensar en problemas complejos”.

¿Qué preguntas sobre el funcionamiento de las células te interesaría que ayudara a responder?