Las células del cuerpo humano se comunican de forma constante mediante mensajes químicos que orientan su desarrollo y su futura función, ya sea hacia neuronas, células cardíacas o componentes del pulmón. Un equipo del Instituto Whitehead, con Pulin Li y Nicholas Hutchins a la cabeza, creó IRIS, un sistema de inteligencia artificial capaz de “leer” esas señales y, a partir de esa lectura, pronosticar a qué tipo de tejido se convertirá cada célula. El hallazgo podría cambiar la forma de estudiar procesos patológicos complejos.
El equipo compara IRIS con un traductor: funciona similar a un sistema de reconocimiento de voz, como Siri, que se entrena en un idioma y luego aplica ese aprendizaje para comprender otros. De ese modo, IRIS aprende a identificar un tipo de señal en un conjunto de células y, después, logra detectar esa misma señal en células de tejidos completamente diferentes. Esto se explica mediante el aprendizaje por transferencia.
IRIS es una IA que aprende a reconocer las señales químicas que las células reciben y, con esa información, predice el destino tisular. Funciona como un traductor: detecta un patrón en el “idioma” celular y anticipa la decisión que tomará la célula, incluso en tejidos que no formaban parte de su entrenamiento inicial.
Para entrenar el sistema, los investigadores trabajaron con células madre de ratón y de humano. Sobre ellas, activaron y desactivaron de forma controlada seis señales químicas naturales que dirigen el desarrollo embrionario. Mezclaron esas señales en miles de combinaciones distintas y, mediante técnicas de análisis genético, observaron cómo respondía cada célula ante cada combinación. A partir de esa información, construyeron un mapa que indica, ante cierta combinación de señales, a qué destino puede dirigirse la célula.
El primer test se llevó a cabo con embriones de ratón, en la etapa en que las células comienzan a diferenciarse para formar los tejidos principales. IRIS logró anticipar con precisión qué señales conducirán a la formación del corazón, de los intestinos, de los músculos y de la médula espinal.
Luego se enfrentó a un desafío más complejo: el proceso mediante el cual el embrión se organiza en segmentos, una tarea que implica direcciones opuestas de señalización. IRIS consiguió ordenar correctamente esas señales sin haber sido entrenada específicamente para esa tarea.
Además, el sistema fue probado con neuronas que no había visto durante su entrenamiento, con resultados alentadores que respaldan su capacidad de generalización.
Los autores señalan que estas capacidades podrían abrir nuevas vías para estudiar enfermedades asociadas a un desarrollo irregular, como el asma o la fibrosis pulmonar, al permitir comprender mejor cómo las células interpretan y responden a señales químicas cruciales durante la formación y el mantenimiento de los tejidos.
