Un sistema de inteligencia artificial aprende a interpretar el lenguaje químico del desarrollo embrionario

Un equipo del Instituto Whitehead, vinculado al Instituto Tecnológico de Massachusetts, anunció el desarrollo de IRIS, un sistema de inteligencia artificial diseñado para descifrar los mensajes químicos que reciben las células durante el desarrollo embrionario y anticipar, a partir de ellos, qué tipo de tejido terminarán formando. La herramienta fue puesta a prueba con embriones de ratón y logró identificar con precisión las señales que dirigen la formación del corazón, los pulmones, los músculos y el sistema nervioso, según se detalla en el informe técnico difundido por el propio laboratorio.

El hallazgo aborda uno de los problemas más antiguos y más complejos de la biología del desarrollo: entender cómo se comunican las células entre sí para organizarse y dar lugar a los distintos tejidos del organismo. Durante la embriogénesis, cada célula recibe un conjunto específico de señales químicas que le indican si debe convertirse en una neurona, en una célula cardíaca o en parte de un pulmón. Reconstruir ese código y anticipar sus consecuencias fue, hasta ahora, una tarea que excedía la capacidad de cualquier modelo computacional disponible.

Una estrategia inspirada en el reconocimiento de voz

IRIS recurre a una técnica conocida como aprendizaje por transferencia, la misma lógica que permite a un sistema entrenado en un idioma reconocer patrones en otro. Pulin Li, investigadora del Instituto Whitehead y profesora de biología en el MIT, lo explicó con una analogía directa: "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". Del mismo modo, la herramienta aprende a identificar una señal química en un grupo de células y luego la reconoce en tejidos completamente distintos, incluso en aquellos que no formaron parte de su entrenamiento original.

Un mapa construido con miles de combinaciones de señales

Para entrenar al sistema, el equipo trabajó con células madre de ratón y de humano. Activaron y desactivaron de forma controlada seis señales químicas distintas, las combinaron de miles de maneras y registraron cómo respondía la actividad genética de cada célula. Con ese volumen de datos armaron un mapa de correspondencias: ante una determinada combinación de señales, el sistema puede predecir el destino celular con un nivel de precisión que, hasta ahora, no se había alcanzado.

• En embriones de ratón, IRIS anticipó con precisión qué señales conducen a la formación del corazón, los intestinos, los músculos y la médula espinal.
• Superó una prueba de segmentación embrionaria, el proceso por el cual el cuerpo se organiza en partes respondiendo a señales que llegan desde dos direcciones opuestas, sin haber sido entrenado para esa tarea específica.
• Cuando se lo evaluó con tipos de células nerviosas que nunca había procesado, sus predicciones coincidieron con el conocimiento previo sobre la formación del sistema nervioso.

Más allá del desarrollo embrionario, los investigadores ya aplicaron a IRIS a una línea de trabajo con implicancias clínicas directas: la mejora del cultivo de tejido pulmonar en laboratorio. La posibilidad de anticipar cómo se comportarán las células ante determinadas señales químicas abre la puerta a protocolos más eficientes para obtener tejido pulmonar en condiciones controladas, un recurso que resulta clave para estudiar y eventualmente tratar enfermedades como el asma y la fibrosis pulmonar.

Qué cambia con esta herramienta

El aporte central del trabajo no es únicamente haber identificado nuevas señales, sino haber construido un modelo capaz de generalizar el conocimiento a contextos que no fueron parte del entrenamiento. Para la biología del desarrollo, eso implica pasar de la descripción caso por caso a un sistema predictivo, en línea con la serie histórica de avances que fueron escalando desde la observación microscópica hasta la genómica unicelular. Para la medicina regenerativa, la expectativa es que herramientas como IRIS permitan diseñar con mayor precisión las condiciones en las que se cultivan tejidos en el laboratorio, un paso que hasta ahora dependía en gran medida de prueba y error.

El equipo responsable del desarrollo difundirá los detalles completos del trabajo en la próxima publicación especializada, junto con el código y los datos generados durante el entrenamiento. La recomendación del propio equipo de investigación es que la herramienta se utilice como una guía inicial para diseñar experimentos en biología del desarrollo y en medicina regenerativa, y no como un sustituto de la validación experimental, dado que las predicciones del sistema deben confirmarse en cada contexto biológico particular.