Un modelo de IA interpreta la comunicación en células Copiar al portapapeles
POR: Luis Moctezuma
8 septiembre, 2026
La información sobre cómo funcionará nuestro cuerpo se encuentra en los genes. Sin embargo, las células que lo componen están especializadas y el proceso para que tomen forma no era tan fácil de comprender.
Un modelo de aprendizaje automático (machine learning) se enfocó en las señales químicas que se envían durante las interacciones celulares. Después de un largo entrenamiento reconoció las rutas para que una célula se convierta, por ejemplo, en tejido muscular.
Un algoritmo para interpretar a las células
El nombre del modelo es IRIS. Sus desarrolladores lo describen como parte de un marco experimental de cómputo integrado que aprende firmas de respuesta de señalización transferibles a partir de un atlas de perturbaciones in vitro de alto rendimiento.
Dicho de forma más sencilla. IRIS recibió una gran cantidad de datos sobre la historia de células y las señales químicas que se conoce en ellas. Esto le ayudó a comprender los pasos que siguieron para convertirse en lo que llegaron a ser finalmente.
Los datos mostraron el comportamiento de las células madre a IRIS. Este tipo de células pueden convertirse en cualquier tipo de tejido. Posteriormente se experimentó con embriones de ratón.
Una vez que IRIS estuvo expuesto a una gran cantidad de datos, fue capaz de reconstruir la historia de las señales químicas durante el desarrollo de la célula.
Para comprender el alcance de esta tecnología debemos ir muy atrás en la historia de un ser vivo como nosotros o los ratones del experimento. La formación de células comienza con la unión de un óvulo con un espermatozoide, lo que da como resultado un cigoto.
El cigoto es lo que se conoce como una célula totipotente. A partir de ella se puede formar todo tipo de tejido. Posteriormente se divide y las células resultantes también tienen la capacidad de convertirse en cualquier tipo. El proceso sigue así, dividiéndose en células capaces de ser cualquier tipo de tejido pero en algún momento del proceso esa capacidad se pierde.
En algún momento las células se especializan. En este punto surgen muchas de las dudas alrededor de la embriología. Muchas de esas células se convertirán en neuronas, músculo, hueso o piel. Hasta ahora no quedaba claro cómo es que sabían en qué deben convertirse.
Sabemos que las instrucciones para formar un cuerpo humano, como el nuestro, están en los genes. Sin embargo, todo nuestro cuerpo comparte esos genes y las dudas surgen en el proceso de elección sobre cómo se formará cada tejido si se tienen las mismas instrucciones.
Los resultados alcanzados gracias a IRIS se publicaron en un artículo de la revista Nature Methods con el título “Reconstructing signaling histories of single cells via perturbation screens and transfer learning”.
De acuerdo con Pulin Li y Nicholas Hutchins del Instituto Whitehead para Investigación Biomédica, quienes participaron en el estudio, la pieza clave para comprender el proceso es la comunicación entre las células. Esto les permite reconocer el lugar y momento de desarrollo en que se encuentran, lo que les permite comprender el camino a seguir.
Las células intercambian mensajes mediante cascadas de señalización. Para comenzar, la célula reconoce un componente químico o una hormona en su superficie. A partir de ahí se modifica la membrana que transmite una serie de reacciones químicas a su interior.
A partir de las señales que transmite la célula se activan algunos genes determinados y se apagan otros. Para probar el funcionamiento de IRIS se hicieron pruebas con células en estado inicial conociendo las señales químicas que enviaría. El modelo tendría que predecir si la célula se convertiría, por ejemplo, en una neurona.
Las pruebas con embriones de ratón se hicieron en un proceso conocido como gastrulación, que es cuando las células comienzan a formar los tejidos principales del cuerpo. Las predicciones de IRIS fueron precisas. Reconoció cuando se activaría cada cascada de señalización y comenzaría a formarse tejido cardíaco, intestinal, muscular y de médula espinal.
Entre las posibles aplicaciones de IRIS está el estudio de enfermedades como asma o fibrosis pulmonar. También se le podría usar en el futuro para diseñar tratamientos de regeneración de tejidos.
Gracias a IRIS es posible comprender procesos que sería muy lento estudiar con experimentos clásicos. Queda mucho por desarrollar pero el rastro de las señales químicas lleva un avance acelerado gracias a la Inteligencia Artificial.