Una inteligencia artificial logra descodificar el lenguaje usado por unas células para comunicarse entre ellas
CIENCIAS DE LA VIDA Y TECNOLOGÍA.
A medida que un embrión se desarrolla a partir de un pequeño grupo de células madre, estas células, que inicialmente son como una página en blanco, comienzan a adoptar funciones más especializadas, convirtiéndose, por ejemplo, en células cerebrales, hepáticas o musculares, y organizándose en estructuras tridimensionales como tejidos y órganos.
Un pulmón en desarrollo, con ramificaciones, en un sistema de cultivo in vitro. Imagen: Whitehead Institute.
El destino de cada célula (es decir, en qué tipo de célula especializada se convertirá) depende de qué genes se activen o desactiven en su interior. Estos patrones de actividad génica determinan la estructura y la función de la célula, permitiéndole desempeñar un papel específico en el organismo.
Sin embargo, esta decisión no depende de las células de forma aislada. Constantemente, estas envían señales químicas a sus vecinas, y también las reciben de estas, lo que les permite saber dónde se encuentran, en qué etapa de su desarrollo están y en qué deben convertirse. Estos mensajes se transmiten a través de secuencias de múltiples pasos denominadas “vías de señalización”, que traducen las señales externas en cambios concretos en la actividad genética de la célula.
Para quienes investigan cómo se autoorganizan las células de un embrión, poder reconstruir la secuencia de instrucciones que ha recibido una célula sería una forma excelente de averiguar cómo se desarrollan los tejidos y cómo estos procesos pueden alterarse en caso de enfermedad. No obstante, tal reconstrucción de instrucciones ha venido siendo una meta difícil de alcanzar, ya que durante mucho tiempo se ha creído que los efectos de las vías de señalización varían enormemente según el tipo celular; esto implicaría tener que cartografiar cada vía por separado para cada tipo de célula, un proceso sumamente arduo.
Ahora, un nuevo estudio ha revelado que cada vía de señalización deja una “huella” exclusiva: un patrón distintivo de actividad genética que refleja las señales específicas con las que la célula se ha encontrado.
Un aspecto fundamental es que estas huellas son constantes para una misma vía de señalización, independientemente del tipo celular. Esto significa que, en vez de mapear cada tipo de célula por separado, los científicos pueden reconstruir el historial de señalización en diversos tipos celulares utilizando estas huellas características de cada vía.
Este descubrimiento ha sido posible gracias al trabajo realizado por IRIS, un sistema de inteligencia artificial de la modalidad conocida como “aprendizaje automático”. IRIS puede detectar las huellas de distintas vías de señalización e identificar qué señales recibió una célula en diferentes etapas del desarrollo dentro de un embrión, incluso en el caso de tipos celulares sobre los que no ha trabajado anteriormente.
El estudio es obra de un equipo encabezado por Nicholas Hutchins, del Instituto Whitehead de Investigación Biomédica, así como del Instituto Tecnológico de Massachusetts (MIT), en Estados Unidos ambas instituciones.
La acertada estrategia de emplear inteligencia artificial para esta clase de labor analítica constituye un avance importante respecto a los métodos tradicionales, que exigen a los investigadores comprobar experimentalmente cada vía en todos los tipos celulares posibles. Además, la nueva estrategia abre la posibilidad de cartografiar de forma exhaustiva los historiales de señalización de cada célula dentro de un embrión de ratón o ser humano a una escala sin precedentes.
El estudio se titula “Reconstructing signaling histories of single cells via perturbation screens and transfer learning". Y se ha publicado en la revista académica Nature Methods.
Por: Redacción.
Sitio Fuente: NCYT de Amazings