Investigadores de Helmholtz Munich y la Universidad Técnica de Munich (TUM) han presentado NicheFormer, un innovador modelo fundamental a gran escala que combina el análisis unicelular con la transcriptómica espacial. Este modelo innovador, formado con más de 110 millones de células, representa un avance significativo en nuestra comprensión de la organización celular y las interacciones en los tejidos, esenciales para desentrañar las complejidades de la salud y la enfermedad.
La secuenciación de ARN unicelular ha revolucionado la investigación biológica al identificar genes activos en células individuales. Sin embargo, esta técnica normalmente implica disociar las células de su entorno natural, lo que resulta en la pérdida de información contextual crítica sobre sus relaciones espaciales y las células vecinas. Por otro lado, la transcriptómica espacial maneja estos datos contextuales pero plantea desafíos técnicos que limitan la escalabilidad. Esta desconexión deja a los investigadores sin una herramienta integral para analizar colectivamente tanto la identidad celular como la arquitectura del tejido.
Nicheformer aborda esta brecha agregando datos de contextos tanto desagregados como espaciales. Esto “transfiere” efectivamente el contexto espacial a células individuales, reconstruyendo sus posiciones dentro de la estructura tisular más amplia. Esta capacidad fue posible gracias a la creación de SpatialCorpus-110M, uno de los conjuntos de datos seleccionados más grandes que combina información espacial y unicelular disponible hasta la fecha. Según un estudio publicado en Los métodos de la naturaleza.Nicheformer supera consistentemente a los métodos existentes, lo que demuestra que se pueden rastrear patrones espaciales en la expresión genética incluso cuando las células están separadas.
Más allá de sus métricas de desempeño, el equipo de investigación también investigó la interpretación de Nicheformer. Descubrieron que el modelo reconoce patrones biológicamente relevantes en sus capas internas, lo que proporciona información sobre cómo la inteligencia artificial puede aprender de los datos biológicos. “Con NicheFormer, ahora podemos transferir información espacial a datos unicelulares disociados a escala”, comentó el doctor Alejandro Tejada-LaPuerta. Helmholtz, coautor del estudio con Anna Schar, es estudiante de Munich y TUM. “Este descubrimiento facilita el estudio de la organización de los tejidos y los entornos celulares sin necesidad de trabajo experimental adicional”.
Esta investigación se alinea con el creciente concepto de célula virtual, un modelo computacional avanzado que describe cómo las células interactúan y funcionan en su entorno. Históricamente, los modelos existentes han tratado las células como unidades discretas, sin la capacidad de considerar sus interacciones espaciales. NicheFormer es el primer modelo que aprende directamente de la organización espacial, lo que permite reconstruir cómo las células perciben e influyen en su entorno.
Además, el equipo propuso una serie de tareas de evaluación comparativa espacial destinadas a desafiar los modelos futuros para capturar estructuras tisulares complejas y comportamientos colectivos de las células. Este paso es crucial para el desarrollo de sistemas de IA biológicamente realistas que tendrán un profundo impacto en la investigación en salud y medicina.
El profesor Fabian Thies, director del Centro de Salud Computacional de Helmholtz Munich y profesor de la TUM, destacó las implicaciones de este trabajo: “Con Nicheformer, estamos dando los primeros pasos para crear modelos de IA de uso general que imiten las células en su estado natural. Estos avances podrían cambiar drásticamente nuestro enfoque de la salud y potencialmente las estrategias de diagnóstico”.
De cara al futuro, el equipo de investigación planea desarrollar un “modelo de base de tejido” que también aprenda las conexiones físicas entre las células. Este próximo modelo tiene como objetivo analizar estructuras complejas como los microambientes tumorales, lo que promete conocimientos sobre enfermedades como el cáncer, la diabetes y la inflamación crónica. La integración de datos espaciales y unicelulares representa un avance clave en las ciencias biológicas con el potencial de redefinir los métodos de investigación y la terapéutica en el futuro.
