Una inteligencia artificial llamada IRIS ha logrado reconstruir qué señales recibió una célula a lo largo de su desarrollo, como si pudiera leer el historial de mensajes que las células intercambian para decidir qué serán en el futuro.

El lenguaje químico de las células

Cuando un embrión se desarrolla, sus células pasan de ser casi indiferenciadas a especializarse en neuronas, células musculares, hepáticas o de otros tejidos. Ese proceso depende de qué genes se activan o silencian en cada célula.

Pero las células no toman esas decisiones aisladas. Se comunican constantemente mediante señales químicas que reciben de sus vecinas y que les indican dónde están, en qué momento del desarrollo se encuentran y qué función deben adoptar. Estas instrucciones viajan por las llamadas vías de señalización, que convierten los mensajes externos en cambios concretos en la actividad génica.

Una huella genética única

Hasta ahora, reconstruir el historial de señales de una célula era muy complicado, porque se pensaba que cada vía de señalización actuaba de forma distinta según el tipo de célula. Eso habría obligado a los científicos a estudiar cada vía por separado en cada tipo celular.

El nuevo estudio muestra algo clave: cada vía deja una huella característica en la actividad génica de la célula. Y, sobre todo, esa huella se mantiene reconocible en distintos tipos celulares. Gracias a ello, los investigadores pueden identificar qué señales recibió una célula sin tener que cartografiar manualmente cada combinación de célula y vía de señalización.

IRIS: la IA que lee el pasado celular

IRIS es un modelo de aprendizaje automático entrenado con grandes conjuntos de datos experimentales sobre cómo responden las células a distintas señales. Una vez entrenado, el sistema puede reconocer las huellas de las vías de señalización y deducir qué mensajes recibió una célula en distintas etapas del desarrollo embrionario.

Lo más notable es que IRIS puede hacerlo incluso en tipos celulares que no había visto durante su entrenamiento. En el estudio, el equipo lo aplicó a datos de células individuales de embriones de ratón durante la gastrulación, una fase en la que las células comienzan a diversificarse rápidamente.

Por qué importa

Este avance podría permitir mapas mucho más detallados de cómo se organizan los tejidos y órganos durante el desarrollo. También puede ayudar a entender qué falla cuando esos procesos se alteran por enfermedades o malformaciones.

Además, los autores señalan que IRIS podría acelerar la optimización de protocolos para diferenciar células madre, con aplicaciones en medicina regenerativa, organoides y pruebas de nuevos fármacos.

El estudio

La investigación fue liderada por Nicholas Hutchins, del Whitehead Institute for Biomedical Research y del MIT, junto con Pulin Li y otros colaboradores. El trabajo, titulado “Reconstructing signaling histories of single cells via perturbation screens and transfer learning”, fue publicado en Nature Methods.