Las células de tu cuerpo ‘hablan’ entre sí y una IA logró traducir su idioma

Las células del cuerpo humano se comunican todo el tiempo entre sí. Lo hacen con señales químicas que funcionan como mensajes: le avisan a cada célula en qué etapa del desarrollo está y qué debe convertirse, ya sea una neurona, una célula del corazón o parte de un pulmón. Ahora, gracias a la inteligencia artificial, esa conversación puede entenderse.

Un equipo del Instituto Whitehead, liderado por Pulin Li y Nicholas Hutchins, creó un sistema capaz de leer esos mensajes celulares. El hallazgo podría cambiar la forma en que se estudian enfermedades complejas como el asma o la fibrosis pulmonar.

Cómo es la IA que traduce el idioma de las celulas

El sistema se llama IRIS y funciona como un programa entrenado para reconocer patrones dentro de la actividad genética de las células. Li lo compara con algo mucho más cotidiano: los asistentes de voz.

“Piensa en los sistemas de reconocimiento de voz como Siri, que se entrenan principalmente en inglés, pero que luego utilizan ese entrenamiento para reconocer otros idiomas”, explicó la investigadora, que además es profesora de biología en el Instituto Tecnológico de Massachusetts (MIT).

Es decir, así como Siri puede aplicar lo aprendido en un idioma para entender otro, IRIS aprende a reconocer un tipo de señal en un grupo de células y luego logra identificar esa misma señal en células completamente distintas. A este truco se lo llama aprendizaje por transferencia.

IRIS es un sistema de inteligencia artificial que aprende a reconocer las señales químicas que reciben las células y, con esa información, predice en qué tejido se convertirán. Funciona de forma parecida a un traductor: identifica un patrón en el “idioma” celular y anticipa la decisión que tomará esa célula, incluso en tejidos que nunca vio antes.

Para enseñarle ese idioma, los investigadores trabajaron con células madre de ratón y de humano. Sobre ellas, encendieron y apagaron de forma controlada seis señales químicas distintas que el cuerpo usa naturalmente para dirigir el desarrollo embrionario.

Combinaron esas señales de miles de formas diferentes y observaron, con tecnología de análisis genético, cómo reaccionaba cada célula en cada caso. Con todos esos datos armaron algo similar a un mapa: si a una célula le llega tal combinación de señales, el mapa indica hacia qué destino se dirige.

Cómo comprobaron que la inteligencia artificial funcionaba

El primer examen se hizo con embriones de ratón, en el momento en que sus células empiezan a transformarse en los tejidos principales del cuerpo. IRIS logró anticipar con precisión qué señales llevarían a la formación del corazón, los intestinos, los músculos y la médula espinal.

Después llegó una prueba más exigente: la del proceso mediante el cual el cuerpo del embrión se organiza en segmentos, algo así como ordenar piezas en fila según señales que llegan desde dos direcciones opuestas. IRIS consiguió ordenar correctamente esas señales sin haber sido entrenado específicamente para esa tarea.

También lo pusieron a prueba con células nerviosas que nunca había visto antes durante su entrenamiento. Aun así, sus predicciones coincidieron con lo que ya se sabía sobre cómo se forma el sistema nervioso en las primeras etapas.

Por qué este descubrimiento puede ser útil para la medicina

Más allá de explicar cómo se forman los tejidos de manera natural, IRIS mostró que también puede servir para mejorar procesos de laboratorio. Los investigadores lo usaron para perfeccionar la manera en que se cultivan, a partir de células madre, los tejidos que sostienen los pulmones.

El método que se usaba hasta ahora activaba una de las señales, llamada WNT, en una etapa tardía del proceso. Pero IRIS predijo algo distinto: que esa señal era importante mucho antes, en el momento en el que la célula recién empieza a definirse como parte del sistema respiratorio.

Con ese dato, los científicos decidieron activar la señal antes y durante más tiempo. El resultado fue contundente: aumentó de forma notable la presencia de una proteína clave para formar tejido pulmonar, y una intensidad media de la señal resultó ser la más adecuada para lograr un tejido lo más parecido posible al real.

El experimento funcionó de igual manera al repetirlo con distintos tipos de células madre, lo que refuerza la idea de que el nuevo método se acerca más a lo que ocurre de forma natural dentro del cuerpo.

Los propios investigadores aclaran que ajustar una sola señal no alcanza todavía para fabricar en laboratorio un tejido pulmonar idéntico al que produce el organismo. Sin embargo, creen que si combinan esta herramienta con mapas más completos sobre cómo se desarrolla el pulmón, podrían acercarse cada vez más a ese objetivo.