La IA que habla el idioma secreto de las células y ya predice qué tejido van a formar

¿Puede un programa de computadora leer el manual de instrucciones con el que un embrión decide qué parte del cuerpo va a ser cada célula? Sí, y se llama IRIS. Lo creó un equipo del Instituto Whitehead, dependiente del MIT, y los resultados se publicaron hace pocas semanas. La promesa es enorme: anticipar el destino de una célula a partir de los mensajes químicos que recibe, una caja negra que la biología viene intentando abrir desde hace décadas.

¿De qué hablamos cuando hablamos de señales químicas?

Para ubicarnos: durante las primeras semanas de vida, las células del embrión no saben todavía si van a ser neuronas, músculo cardíaco o parte de un pulmón. Lo deciden en función de señales químicas que les llegan del entorno, una especie de mensaje de texto molecular que les dice "vos vas para allá". Esas señales son pocas moléculas clave, entre ellas las conocidas como Wnt, BMP, FGF, Notch, Hedgehog y TGF-beta. Los investigadores del trabajo las activaron y desactivaron en distintas combinaciones sobre células madre de ratón y de humano, y midieron cómo respondía la actividad genética de cada célula. Miles de combinaciones, miles de respuestas, todo volcado en un mapa.

Con esa base entrenaron a IRIS. El truco, según explica la investigadora Pulin Li, es el "aprendizaje por transferencia": la misma técnica que usa el asistente de voz del celular cuando aprende en inglés y después reconoce cuando uno le habla en español. O sea, el sistema aprende a identificar una señal en un tipo de célula y después la reconoce en un tejido distinto, incluso si nunca lo vio antes. Piensen en un salteño que aprende a manejar en la ciudad y después se banca el tránsito de Buenos Aires sin haber pisado nunca la General Paz: la base le sirve.

¿Qué tan bien le fue en las pruebas?

Los resultados fueron concretos. En embriones de ratón, IRIS anticipó con precisión qué combinaciones de señales llevan a formar corazón, intestinos, músculos y médula espinal. También resolvió un problema clásico de la biología del desarrollo, la segmentación del cuerpo en partes, sin haber sido entrenado específicamente para eso. Y cuando lo enfrentaron a tipos de células nerviosas que nunca había procesado, sus predicciones coincidieron con lo que ya se sabía sobre cómo se arma el sistema nervioso. No es magia: es estadística con muchísima data encima.

¿Y para qué sirve esto hoy, en un laboratorio de verdad?

El equipo ya dio el paso siguiente: usó a IRIS para mejorar el cultivo de tejido pulmonar en laboratorio, un proceso que sirve para estudiar enfermedades como el asma y la fibrosis pulmonar. Si uno puede predecir qué señal química hay que darle a una célula madre para que se convierta en célula de pulmón, el cultivo rinde más, cuesta menos y se parece más al órgano real. Eso acelera ensayos con fármacos y reduce el uso de modelos animales.

• Las señales químicas clave que IRIS aprende a leer son seis: Wnt, BMP, FGF, Notch, Hedgehog y TGF-beta.
• El sistema funciona con aprendizaje por transferencia: entrena con un tipo de célula y predice en otros tejidos.
• Se probó con células madre de ratón y de humano, con miles de combinaciones de señales.
• Acertó en la predicción de formación de corazón, intestinos, músculos y médula espinal.
• Ya se aplicó para mejorar el cultivo de tejido pulmonar en el laboratorio, con potencial para investigar asma y fibrosis pulmonar.

La cautela obligada: los resultados son promisorios pero iniciales. Pasaron en embriones de ratón y en placas de cultivo, no en pacientes. Falta el camino largo de validar el método en tejidos humanos complejos y, eventualmente, pensar en aplicaciones clínicas. Pero la pieza que faltaba, el traductor entre la señal química y el destino celular, parece haber aparecido. Veremos.