Hay aspectos de la biología que resultan especialmente difíciles de observar. El envejecimiento de las células madre es uno de ellos. Se trata de un proceso gradual, heterogéneo, en el que los cambios se producen de manera tan sutil que a menudo pasan desapercibidos incluso para los microscopios más potentes. Ahora, un equipo de investigadores catalanes ha demostrado que la inteligencia artificial puede ser una aliada valiosa para detectar estos cambios antes de que sean evidentes. Un estudio impulsado por el IDIBELL, el Barcelona Supercomputing Center y el Instituto de Salud Global de Barcelona ha presentado una herramienta basada en IA que es capaz de identificar patrones asociados al envejecimiento en células madre sanguíneas a partir de imágenes de su núcleo. Para entender cómo funciona esta herramienta, hay que fijarse en un elemento concreto: la cromatina.

Se trata del material formado principalmente por ADN y proteínas que se encuentra dentro del núcleo celular. Su función es doble: por un lado, empaqueta el ADN para que se introduzca dentro de un espacio tan reducido; por otro, regula qué genes están activos y cuáles no. En última instancia, la manera como se organiza la cromatina determina la identidad y la función de cada célula. Lo que han descubierto los investigadores es que la organización tridimensional de esta cromatina cambia con la edad, y que estos cambios, a pesar de ser sutiles, siguen patrones que una red neuronal puede aprender a reconocer.

Cómo se entrenó el modelo

Para desarrollar la herramienta, los investigadores analizaron imágenes tridimensionales de núcleos de células madre hematopoyéticas de ratón. Estas imágenes se tiñeron con DAPI, una técnica sencilla y ampliamente utilizada para visualizar ADN. A partir de ahí, utilizaron una red neuronal convolucional, un tipo de modelo de IA diseñado específicamente para analizar imágenes. La herramienta, bautizada como ChromAgeNet, aprendió a distinguir células jóvenes de células envejecidas. Y lo hizo con un grado de precisión notable: basándose únicamente en la apariencia del núcleo, el modelo demostró una probabilidad del 77% de acertar en la clasificación de las células en dos grupos. Esta cifra supera incluso un modelo de aprendizaje automático basado en características de la cromatina que habían sido definidas previamente por los mismos investigadores.

El hecho de que la herramienta basada en imágenes supere un modelo construido con características definidas manualmente no es un detalle menor. Indica que hay información en las imágenes que los expertos humanos no habían sabido identificar o cuantificar de manera lo suficientemente eficiente. La IA, en cambio, ha sido capaz de encontrar combinaciones de características de la cromatina espacial que contienen información sobre el estado de envejecimiento de las células. Esto no quiere decir que los investigadores hayan perdido el control del proceso. De hecho, analizaron qué características específicas de las imágenes eran más útiles para distinguir las células jóvenes de las envejecidas. Este análisis identificó factores como la entropía de la cromatina, la heterocromatina situada en la periferia del núcleo y ciertos condensados de cromatina como características predictivas del estado asociado a la edad.

Este enfoque no pretende sustituir las herramientas que ya existen para medir la edad biológica. Los llamados relojes epigenéticos, por ejemplo, estiman la edad basándose en ciertos cambios químicos del ADN, incluidos los relacionados con la metilación. Estas herramientas han demostrado su utilidad en numerosos estudios, pero tienen sus limitaciones. La propuesta de los investigadores catalanes es complementaria. Mientras que los relojes epigenéticos se fijan en modificaciones químicas del ADN, esta nueva herramienta se fija en la organización física de la cromatina dentro del núcleo. Son dos ventanas diferentes del mismo fenómeno, y combinarlas puede ofrecer una visión más completa del estado de envejecimiento de una célula.