AIHere

El modelo de IA IRIS del MIT reconstruye las señales que moldean las células del embrión

Investigadores del MIT y del Instituto Whitehead crearon IRIS, una red neuronal que deduce qué señales químicas recibió una célula durante el desarrollo a partir de su actividad génica.

Redacción de AIHere News· 2 min de lectura🇺🇸 Estados Unidos
Ilustración de células embrionarias unidas por líneas de señales de colores, con una red neuronal que interpreta las conexiones.
Foto: Vitalii Kyryk / Wikimedia Commons, CC BY-SA 4.0

Un equipo dirigido por Pulin Li, profesor adjunto de biología del MIT, y por el estudiante de posgrado Nicholas Hutchins ha desarrollado IRIS, un modelo de aprendizaje automático capaz de determinar qué señales han recibido las células de un embrión en desarrollo. El estudio, de acceso abierto, se publicó en Nature Methods el 8 de septiembre de 2026. Li también es miembro del Instituto Whitehead de Investigación Biomédica.

Las células madre de un embrión se especializan en células cerebrales, hepáticas o musculares en parte gracias a los mensajes químicos que intercambian con sus vecinas. Esos mensajes viajan por vías de señalización de varios pasos que activan o desactivan genes concretos. Como durante mucho tiempo se creyó que estas vías se comportaban de manera muy distinta de un tipo celular a otro, cartografiarlas implicaba probar cada vía en cada tipo celular, una tarea lenta y laboriosa.

Una huella constante para cada vía

Los investigadores descubrieron que cada vía de señalización deja un patrón distintivo en la actividad génica y que esa huella se mantiene estable entre tipos celulares. IRIS, una red neuronal, analiza la expresión génica global de una célula y estima qué vías estaban activas en momentos concretos, incluso en tipos celulares con los que nunca fue entrenada. Li lo comparó con los asistentes de voz entrenados sobre todo en inglés que, aun así, logran captar otros idiomas, y lo llamó aprendizaje por transferencia.

El modelo se entrenó con datos experimentales que registraban cómo miles de células madre embrionarias humanas respondían a decenas de combinaciones de seis vías de señalización principales en varias etapas del desarrollo. Después, el equipo lo probó con células individuales de embriones de ratón durante la gastrulación, cuando las células se diferencian rápidamente en distintos destinos. IRIS predijo con precisión cuándo y dónde se activaban las vías en células que se dirigían hacia tejido de corazón, intestino, músculo y médula espinal.

Confirmado en el desarrollo pulmonar

Ante la pregunta de qué señales se necesitan para producir un tipo celular clave en el desarrollo pulmonar, IRIS predijo que activar una vía concreta empujaría a las células hacia una identidad pulmonar, y los experimentos con embriones de ratón lo confirmaron. «IRIS nos ayuda a descifrar el lenguaje que las células usan para comunicarse entre sí», afirmó Hutchins.

Los investigadores sostienen que este enfoque podría acelerar la ingeniería de células madre para la medicina regenerativa y mejorar los organoides, los modelos tridimensionales en miniatura de órganos que se usan para estudiar enfermedades y probar fármacos. Un tejido pulmonar cultivado en laboratorio de mejor calidad podría respaldar la investigación sobre el asma, el cáncer de pulmón y la fibrosis pulmonar, ayudar a evaluar terapias candidatas y, con el tiempo, orientar tratamientos que reparen tejido dañado.

#IA en biología#células madre#MIT#aprendizaje automático#organoides

Comentarios

Sé respetuoso. Los comentarios se revisan automáticamente; se eliminan el spam, los insultos y los datos personales. La IA puede responder a las preguntas.

Todavía no hay comentarios. Inicia el debate o haz una pregunta.

Relacionadas