Cómo funciona la IA desarrollada por Stanford que puede analizar 112 millones de células y busca transformar la medicina

Un equipo de la Facultad de Medicina de la Universidad de Stanford desarrolló TranscriptFormer , un modelo de inteligencia artificial entrenado con datos de 112 millones de células de 12 especies , que permite comparar su biología y detectar vínculos entre organismos, enfermedades y posibles tratamientos celulares , informó el portal especializado en ciencia, investigación y tecnología Phys.org .

La herramienta constituye una segunda generación de modelos tras el llamado universal cell embedding , un sistema que asigna a cada célula una “coordenada” en un espacio matemático común que permite compararlas entre especies.

El sistema reunió información de levaduras unicelulares y seres humanos , además de ratones, conejos, pollos, peces cebra, moscas de la fruta, ranas africanas de uñas, el parásito causante de la malaria, erizos de mar, esponjas y el nematodo Caenorhabditis elegans —una especie de gusano microscópico—.

Los datos proceden de atlas celulares , bases que clasifican células y tejidos a partir de los genes que utilizan.

La investigación fue presentada en dos trabajos publicados en las revistas científicas Nature y Science .

Los genes activos como mapa de cada célula El genoma contiene las instrucciones de la vida , pero la identidad funcional de una célula depende de la expresión génica: el conjunto de genes que activa en cada momento.

Ese patrón permite diferenciar tipos celulares , distinguir células sanas de enfermas y comparar organismos distintos.

Una célula beta del páncreas expresa el gen de la insulina y otros vinculados con el almacenamiento y la liberación de esa hormona.

Los linfocitos B producen anticuerpos para combatir enfermedades, mientras que una célula de la piel puede activar genes relacionados con el pelo o los pigmentos.

La acumulación de información sobre decenas de miles de genes en cientos de millones de células supera la capacidad humana de examinar todas las variables de manera simultánea.

Stephen Quake , profesor de bioingeniería de la Facultad de Medicina y coautor principal de los estudios, precisó: “¿Cómo pensamos en todos estos genes a la vez? El cerebro humano no puede” .

“Estos modelos nos ayudan a hacerlo”, añadió.

“Los algoritmos son formas de comprender datos muy complejos que los seres humanos no podemos abarcar”.

TranscriptFormer aprendió a reconocer perfiles de expresión génica con un método comparable al de los grandes modelos de lenguaje como ChatGPT .