Una inteligencia artificial aprende a leer el código químico que decide qué célula será qué

Un equipo de investigadoras e investigadores del Instituto Whitehead, dependiente del Instituto Tecnológico de Massachusetts, presentó un sistema de inteligencia artificial bautizado IRIS, capaz de descifrar los mensajes químicos que reciben las células durante el desarrollo embrionario. Según detallaron los autores, la herramienta no se limita a reconocer patrones conocidos: también logra anticipar qué tejido formará una célula a partir de la combinación de señales que recibe, un problema que la biología del desarrollo arrastraba desde hace décadas sin una respuesta computacional satisfactoria.

Una técnica inspirada en el reconocimiento de voz

IRIS funciona mediante aprendizaje por transferencia, una técnica habitual en el campo de la inteligencia artificial que consiste en entrenar a un sistema en una tarea para que luego pueda aplicar ese conocimiento a otra distinta. Pulin Li, investigadora del Instituto Whitehead y profesora de biología en el MIT, explicó la analogía que utilizó el equipo para describir el enfoque: un sistema de reconocimiento de voz como Siri se entrena principalmente en inglés y, a partir de ese aprendizaje, puede reconocer patrones en otros idiomas. Del mismo modo, la herramienta aprende a identificar una señal química en un grupo de células y luego la reconoce en tejidos completamente diferentes, incluso en aquellos que no formaron parte de su entrenamiento inicial.

Para construir el sistema, el equipo trabajó con células madre de ratón y de humano, es decir, células con capacidad de transformarse en distintos tipos celulares. 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 ese volumen de datos armaron un mapa de correspondencias en el que, ante una determinada combinación de señales, el sistema puede predecir el destino celular. En pruebas con embriones de ratón, IRIS identificó correctamente las señales que dirigen la formación del corazón, los pulmones, los músculos y el sistema nervioso, y superó además una prueba sobre segmentación embrionaria, un proceso en el que el cuerpo se organiza en partes respondiendo a señales que llegan desde dos direcciones opuestas, sin haber sido entrenado específicamente para esa tarea.

Aplicación concreta en tejido pulmonar

Los investigadores ya dieron un paso más allá de la etapa experimental y aplicaron IRIS para mejorar el cultivo de tejido pulmonar en laboratorio, un área con implicancias potenciales para enfermedades respiratorias como el asma y la fibrosis pulmonar. El sistema permitió optimizar las señales químicas que se utilizan en el proceso de diferenciación celular, es decir, el momento en que una célula madre deja de ser genérica y adquiere las características de un tipo celular específico, como las células que recubren los alvéolos. Para los autores, este primer uso aplicado sugiere que la herramienta podría convertirse en un apoyo para diseñar protocolos de laboratorio más eficientes y, eventualmente, para avanzar en el estudio de enfermedades cuyo origen está en fallas en la comunicación celular durante el desarrollo.

• IRIS fue creado por el Instituto Whitehead, vinculado al MIT, y presentado como un sistema de inteligencia artificial enfocado en biología del desarrollo.
• La herramienta interpreta señales químicas, es decir, los mensajes moleculares que una célula recibe de su entorno y que definen su identidad final.
• Emplea aprendizaje por transferencia, una técnica que permite reutilizar el entrenamiento en una tarea para aplicarlo a otras distintas.
• Fue entrenada con células madre de ratón y de humano, con seis señales químicas combinadas en miles de configuraciones.
• En embriones de ratón identificó con precisión señales asociadas a la formación del corazón, los intestinos, los músculos y la médula espinal.
• Superó pruebas sobre tipos celulares nerviosos y sobre segmentación embrionaria sin entrenamiento previo específico.
• Ya se usó para mejorar el cultivo de tejido pulmonar en laboratorio, con potencial aplicación en asma y fibrosis pulmonar.

Quedan por confirmar varios aspectos centrales del proyecto. Los autores aún no publicaron resultados equivalentes en embriones humanos completos, ya que las pruebas más detalladas se realizaron en ratón. Tampoco se presentaron plazos para una eventual aplicación clínica del sistema ni datos públicos sobre su rendimiento en tejidos humanos más allá de las células madre utilizadas en el entrenamiento. Finalmente, resta por evaluar cómo escalará la herramienta cuando se la exponga a combinaciones de señales químicas más complejas que las seis estudiadas inicialmente, una variable clave para determinar si IRIS puede convertirse en una plataforma de uso generalizado en laboratorios de biología del desarrollo y medicina regenerativa.