Me pasó mil veces: estoy buscando una canción en el celular y termino perdido en una playlist que no pedí. Algo parecido le pasaba a la biología hasta hace poco, solo que en vez de canciones había millones de datos genéticos desordenados. Ahora, un equipo de la Facultad de Medicina de la Universidad de Stanford entrenó a una inteligencia artificial llamada TranscriptFormer para ponerle orden a ese quilombo y, de paso, diferenciar células sanas de enfermas.

Qué hace y cómo lo hace

La clave está en la expresión génica, esa jerga para decir qué genes prende cada célula. Una célula beta del páncreas enciende los genes que fabrican insulina, mientras que un linfocito B enciende los que producen anticuerpos. Comparten genes con otras células, pero los usan para fines distintos. TranscriptFormer aprendió a leer esos patrones y a colocarlos en un mapa común, como si todas las células del reino animal vivieran en el mismo barrio y la IA pudiera medir a qué distancia está una de otra.

Para entrenarla le dieron 112 millones de células de 12 especies distintas, reunidas en grandes bases de datos llamadas atlas celulares. El truco fue pedirle que adivinara valores de expresión génica faltantes. El procedimiento es parecido al que usan los modelos de lenguaje cuando completan una palabra que falta en una frase: si la frase dice 'lluvia y ...', el modelo arriesga 'truenos'. Con esa misma lógica, la IA aprendió qué genes suelen aparecer juntos en cada tipo de célula.

Lo que encontró mirando las neuronas

Una de las perlitas del trabajo apareció cuando la IA comparó neuronas de un gusano microscópico y de una rana con unas células de esponja llamadas coanocitos. Resulta que, a nivel genético, se parecen bastante. Eso alimenta la hipótesis de que las neuronas tienen un origen evolutivo más antiguo de lo que se pensaba, y le da material fresco a quien estudie cómo aparecieron esas células tan particulares.

La sorpresa llegó con las llamadas células neuroides de las esponjas. Les habían puesto ese nombre porque algunos rasgos recordaban a neuronas, pero cuando TranscriptFormer midió su actividad genética los datos mandaron otra señal: se parecían más a una glándula de rana. O sea, probablemente están más cerca de ayudar a digerir comida que de transmitir señales. A veces el nombre confunde, y la genética lo aclara.

Reconozco que a mí, que vengo del mundo de la tecnología y no del laboratorio, me llama la atención que una IA entrenada con texto y otra entrenada con células funcionen con principios tan parecidos. Las dos llenan huecos a partir de patrones. La diferencia es que acá el diccionario son genes y el libro, un organismo entero.

Qué falta y qué se viene

Los autores son prudentes y aclaran que diseñar células funcionales a medida todavía es una aplicación futura, no una promesa de venta. Lo que ya tienen en la mano es una herramienta concreta para investigadores: un mapa comparativo que permite cruzar datos de especies que antes resultaba engorroso analizar en paralelo. La sigla detrás del invento, RNA-seq masivo, en criollo significa: leer al mismo tiempo qué genes están activos en cientos de miles de células. La IA hace ese cruce a escala y sin que nadie se vuelva loco en el intento.

Si trabajás en biología o te interesa cómo se mueve la frontera de la inteligencia artificial, mi consejo es simple: seguí de cerca a TranscriptFormer y a sus sucesores. Cuando una herramienta así aparece, lo más jugoso suele pasar un par de años después, cuando otros laboratorios la prueban con sus propios datos y aparecen hallazgos impensados. Mientras tanto, abrí un atlas de esos y empezá a familiarizarte con la idea de que una célula se parece más a un perfil de redes sociales que a una foto fija: cambia según qué genes publique.