Iluminar los estados celulares mediante un modelo fundacional interpretables de células individuales

Por qué importan mapas celulares más inteligentes

Cada tejido de tu cuerpo es una ciudad bulliciosa de células, cada una con su función y su historia. Las herramientas modernas pueden leer la actividad de miles de genes en millones de células individuales, pero ese torrente de datos es desordenado, fragmentario y difícil de interpretar. Este artículo presenta CellVQ, un nuevo modelo de inteligencia artificial diseñado para convertir esas medidas enmarañadas en mapas claros y comprensibles por humanos sobre tipos celulares, estados celulares y sus respuestas a fármacos y cambios genéticos.

Una nueva forma de leer células individuales

Los autores parten de una idea simple: para entender la salud y la enfermedad necesitamos un “lenguaje” fiable que describa en qué estado se encuentra cada célula. Los modelos de IA existentes entrenados con datos de célula única son potentes, pero enfrentan tres problemas del mundo real. Primero, la mayoría de las mediciones son extremadamente escasas, con muchos genes que parecen inactivos. Segundo, diferentes laboratorios y técnicas producen datos en escalas distintas, lo que dificulta la comparación. Tercero, el funcionamiento interno de estos modelos suele ser opaco, lo que limita su utilidad para los biólogos que buscan explicaciones claras, no solo predicciones.

Convertir la actividad celular en un código celular reutilizable

CellVQ aborda estos problemas con un gran modelo entrenado con 68 millones de células que aprende un “código celular” compacto para cada célula. En lugar de representar cada célula como una larga lista de números crudos, CellVQ procesa los patrones de actividad génica mediante un codificador y un módulo especial de Discretización de Célula Única. Este módulo agrupa patrones similares en códigos compartidos, de modo que células de distintos experimentos que se comportan de forma parecida terminan con códigos relacionados. Al mismo tiempo, un decodificador aprende a reconstruir la actividad génica faltante usando un modelo estadístico adaptado a datos con muchos ceros. Esta estrategia de entrenamiento ayuda al sistema a lidiar con mediciones escasas mientras captura relaciones significativas entre genes.

De datos en bruto a predicciones útiles

Una vez entrenado, CellVQ puede aplicarse a muchas tareas sin ajuste fino adicional. El modelo separa los tipos celulares con mayor claridad que métodos competidores, lo que conduce a agrupamientos más nítidos y a etiquetado automático de identidades celulares más preciso. También predice propiedades prácticas como tejido de origen, edad, sexo y estado de enfermedad mejor que enfoques anteriores. De forma notable, las mismas representaciones funcionan bien en muestras agregadas que promedian muchas células, mejorando el rendimiento en la predicción de cómo responden las células cancerosas a distintos fármacos y cuán sensibles podrían ser pacientes o líneas celulares a tratamientos específicos.

Revelando cómo genes y fármacos remodelan las células

El estudio prueba además si CellVQ captura relaciones de causa y efecto cuando se perturban genes o fármacos. Utilizando conjuntos de datos donde genes individuales se apagan o se alteran combinaciones, CellVQ ayuda a predecir cómo responde el resto del genoma a resolución de célula única, a menudo igualando o superando a modelos especializados. Para exposiciones a fármacos, los autores combinan las representaciones génicas de CellVQ con un modelo separado que interpreta estructuras de fármacos, y juntos estos sistemas predicen con precisión cómo cambia la actividad génica en células inmunitarias tratadas con compuestos concretos. El método puede identificar qué genes cambian más, ofreciendo pistas sobre la acción del fármaco y sus efectos secundarios.

Construir grafos de conocimiento sobre estados celulares

Para hacer accesible la lógica interna del modelo, los autores introducen CellVQ-Graph, un complemento ligero que utiliza las salidas de CellVQ para construir un grafo que vincula células, genes y propiedades descriptivas como tejido, etiqueta de enfermedad, edad y sexo. En este grafo, los pesos de atención resaltan qué genes y características importan más para cada estado celular. Aplicado a datos de cerebro y páncreas, el sistema separa subtipos celulares sutiles, propone estados intermedios y destaca genes marcadores bien conocidos junto a candidatos menos estudiados. También infiere redes de genes que tienden a moverse juntos, arrojando luz sobre circuitos regulatorios que controlan el desarrollo, las respuestas al estrés y la inflamación.

Qué significa esto para la investigación celular futura

En términos cotidianos, CellVQ y CellVQ-Graph actúan como un potente motor de traducción y cartografía para la vida celular, convirtiendo mediciones ruidosas en un código compartido que puede compararse entre estudios y enfermedades. El trabajo muestra que un solo modelo puede mejorar tareas de predicción y a la vez ofrecer pistas biológicas claras, desde genes marcadores clave hasta asociaciones probables entre genes. Aunque la versión actual está entrenada principalmente en un tipo de lectura molecular, los autores planean extenderla a más tipos de datos, con el objetivo de crear un atlas unificado e interpretable de cómo cambian las células a lo largo del tiempo, en distintos tejidos y bajo tratamiento.

Cita: Wang, J., Tan, C., Gao, Z. et al. Illuminating cell states by a comprehensive and interpretable single cell foundation model. Nat Commun 17, 4037 (2026). https://doi.org/10.1038/s41467-026-70071-5

Palabras clave: secuenciación de ARN de célula única, estados celulares, modelo fundacional, regulación génica, respuesta a fármacos