La comunidad científica internacional está avanzando hacia la creación de 'células virtuales', modelos computacionales que simulan el funcionamiento interno de las células humanas mediante inteligencia artificial, con el objetivo de revolucionar la comprensión de enfermedades y el desarrollo de tratamientos, según información publicada por Nature.

Cada célula constituye un ecosistema complejo de biomoléculas que interactúan entre sí y reaccionan a señales externas de formas que permanecen poco comprendidas, según Emma Lundberg, bioingeniera de la Universidad de Stanford en California. "La célula es un sistema complejo, altamente robusto y resiliente, pero también es un sistema altamente estructurado: la célula tiene una arquitectura", dijo Lundberg según Nature. Durante los últimos años, investigadores han comenzado a realizar ingeniería inversa de esa arquitectura para convertir vastos repositorios de datos moleculares en modelos que simulan el ambiente interno de las células tanto en reposo como al responder a estímulos externos.

Varios equipos están aprovechando profundos reservorios de datos transcriptómicos (expresión genética) y otros conjuntos de datos para construir modelos que podrían revelar las bases biológicas subyacentes de enfermedades y posibles ángulos para intervención terapéutica, según Nature. "Tenemos que pensar en las células virtuales como un medio para llegar a un objetivo específico, y para mí, ese objetivo es poder acelerar el proceso de búsqueda de hipótesis", dijo Yusuf Roohani, investigador de aprendizaje automático en el Instituto Arc en Palo Alto, California, según la misma fuente.

Sin embargo, el campo permanece muy lejos de una célula virtual completamente funcional. "No creo que la gente sensatamente quiera afirmar que ha construido una célula virtual a menos que necesite vender una startup", dijo Fabian Theis, biólogo computacional del Centro Helmholtz de Múnich en Alemania, según Nature. Los modelos actuales pueden capturar estados celulares estáticos pero tienen dificultades para predecir con precisión cambios dinámicos. Alcanzar niveles más altos de evolución in silico requerirá volúmenes cada vez mayores de datos diversos y estrategias inteligentes para combinarlos, según la publicación.

La revolución de la inteligencia artificial ha sido un potente acelerante para el entusiasmo en torno a las células virtuales, pero los científicos han lidiado con cómo construir modelos computacionales de células durante décadas, según Nature. "Incluso hace más de 20 años, teníamos 'célula virtual 1.0', donde la gente intentaba usar ecuaciones diferenciales para describir la biología de sistemas", dijo Bo Wang, especialista en inteligencia artificial de la Universidad de Toronto en Canadá, según la misma fuente.

Tales modelos tienen la ventaja de estar fundamentados en principios bioquímicos y biofísicos medibles y bien comprendidos, enlazando ecuaciones que describen funciones celulares incluyendo metabolismo, comunicación y movimiento. "Realmente tienes comprensión mecanística: puedes interpretarlos correctamente, y eso es muy atractivo", dijo Lundberg según Nature.

Un sofisticado modelo matemático anunciado en marzo por un equipo liderado por Zaida Luthey-Schulten de la Universidad de Illinois en Urbana-Champaign, por ejemplo, replicó de manera realista la división celular en una versión altamente modificada de bacterias Mycoplasma, según Nature. Paul Macklin, ingeniero de la Universidad de Indiana en Bloomington, y su equipo han pasado más de una década desarrollando un marco llamado PhysiCell para simular cómo las células y tejidos humanos responden a diversos estímulos ambientales. Este simulador ha demostrado ser útil para modelar la biología del cáncer, incluyendo factores que impulsan la progresión o respuesta a la inmunoterapia, dijo Macklin según Nature.

A pesar de estos éxitos, los modelos matemáticos están inherentemente limitados por la comprensión de los investigadores sobre la biología celular. Iniciativas como el Atlas de Células Humanas han producido vastas cantidades de datos de expresión genética y otros datos, incluyendo proteómica y epigenética, pero es extremadamente difícil extraer significado biológico de miles y miles de interacciones moleculares. Aquí es cuando los modelos de inteligencia artificial brillan, dijo Maria Brbić, investigadora de inteligencia artificial del Instituto Federal Suizo de Tecnología en Lausana: "Son realmente buenos explorando el espacio combinatorio", según Nature.

Las opiniones varían sobre qué capacidades definirían una verdadera célula virtual, pero cualquier simulación significativa debería al menos ser capaz de representar el estado base de un tipo celular dado, y luego proyectar cómo una perturbación particular altera ese estado, según Nature. Muchos intentos se han basado en 'modelos fundacionales' basados en aprendizaje profundo, en los cuales algoritmos de inteligencia artificial identifican patrones en vastas colecciones de datos experimentales sin etiquetar.

Roohani traza un paralelo con ChatGPT, un chatbot impulsado por un modelo fundacional que usa patrones extraídos de texto de Internet para producir respuestas coherentes a casi cualquier consulta de usuario. "Puedes crear representaciones de propósito más general a través de una gama más amplia de contextos celulares y biológicos", dijo según Nature. En el mejor escenario, un modelo fundacional biológico sería capaz de extrapolar cómo varios tipos celulares responderán a condiciones que no están incluidas en el conjunto de entrenamiento original, e incluso hacer predicciones significativas para tipos celulares que no ha encontrado antes.

Los datos de expresión genética de células individuales son actualmente la forma preferida de educar modelos fundacionales biológicos sobre diferentes tipos celulares, y tales datos están fácilmente disponibles, según Nature. Roohani y sus colegas han desarrollado una base de datos llamada scBaseCount, que usa inteligencia artificial para recopilar y procesar continuamente de manera uniforme datos transcriptómicos para propósitos de entrenamiento de modelos. La colección incluye alrededor de medio billón de células, y contando. "Eso es unas pocas veces más que el siguiente repositorio de datos de células individuales más grande", dijo Roohani según Nature.

Pero no se puede simplemente construir una representación basada únicamente en las características definitorias de una célula. Una célula virtual también debe aprender cómo diferentes perturbaciones afectan el ambiente celular. Desarrollar estos detalles requiere experimentos en los cuales los investigadores inactivan sistemáticamente diferentes genes o exponen las células a una gama diversa de fármacos. "Deberíamos tener datos causales para construir modelos causales", dijo Wang según Nature. Una de tales colecciones es el conjunto de datos X-Atlas/Pisces, compilado por Xaira Therapeutics, una compañía farmacéutica en San Francisco del Sur, California. Disponible en la plataforma de inteligencia artificial de código abierto HuggingFace, Pisces comprende datos de expresión genética de 25.6 millones de células de varios linajes que habían sido sometidas a disrupción genética dirigida, según Nature.

En teoría, los modelos resultantes podrían ayudar a los usuarios a inferir qué anormalidades genéticas impulsan el crecimiento de un tipo particular de tumor o a identificar categorías de fármacos que estabilizan problemas metabólicos en células enfermas, y algunos modelos fundacionales están al borde de lograr tales capacidades, según Nature.

En enero, Roohani y sus colegas describieron Stack2, un modelo entrenado en el conjunto de datos scBaseCount. Los investigadores pudieron usar estos datos para producir un 'atlas de perturbación' que predijo los efectos de diferentes tratamientos farmacológicos en 28 tejidos humanos distintos, según Nature. En marzo, Xaira anunció su modelo X-Cell, entrenado en el conjunto de datos Pisces de la compañía. Según Wang, quien también es jefe de inteligencia artificial biomédica en Xaira, X-Cell fue capaz de predecir cambios en la expresión genética subyacentes a la activación de células T inmunes aunque no había sido entrenado en ese proceso. Esto permitió a los científicos de la compañía predecir mecanismos para desactivar esa activación, una intervención potencialmente útil en trastornos inflamatorios u otras condiciones inmunes. "No solo confirmamos inactivadores conocidos, como CD3 y su familia, también encontramos algunos inactivadores de células T putativos", dijo Wang según Nature.

Predecir los efectos de la perturbación celular sigue siendo desafiante, sin embargo, y Wang advierte que estos modelos son solo pasos tempranos en esa dirección. "Hasta ahora, todos se están enfocando solo en líneas celulares, que son sistemas biológicos relativamente simples", dijo según Nature. Estos modelos podrían no mapear con precisión a órganos y tejidos reales, y recopilar datos de entrenamiento de tipos celulares primarios (aquellos tomados directamente de muestras humanas) a una escala significativa es desalentador.

Los investigadores también han luchado para demostrar ganancias claras de rendimiento de modelos fundacionales basados en transcriptoma en relación con métodos matemáticos más simples, según Nature. En 2025, el Instituto Arc organizó el Desafío de Célula Virtual, dando a los equipos una oportunidad de probar el rendimiento predictivo de sus modelos cara a cara. Aunque fue un éxito en términos de entusiasmo y participación (Roohani dijo que el evento atrajo unos 5,000 participantes de más de 100 países), ninguno de los modelos de inteligencia artificial puros prevaleció sobre aquellos que incorporaron métodos estadísticos convencionales, según Nature.

Brbić ha lidiado con problemas similares al evaluar la robustez de modelos de aprendizaje profundo. Un problema, en su opinión, es que las métricas de rendimiento convencionales se enfocan en capturar diferencias transcriptómicas amplias entre células perturbadas y no perturbadas. Esto significa que cambios pequeños pero biológicamente significativos podrían ser ahogados por variación de fondo irrelevante entre muestras, confundiendo el análisis de inteligencia artificial. "Los datos de secuenciación de ARN de células individuales son ruidosos", dijo Brbić según Nature. "El tipo de diferencias que observamos pueden ser verdaderas diferencias biológicas pero también podrían ser causadas por artefactos experimentales u otras fuentes de variación".

En 2025, Brbić y sus colegas lanzaron una herramienta de evaluación comparativa llamada Systema, que permite a los usuarios eliminar ruido y enfocarse en cambios específicos de perturbación en la expresión genética, según Nature. El modelo de predicción de perturbación del equipo de Roohani, llamado State, que está entrenado para reconocer la variabilidad inherente en poblaciones celulares, también aborda este problema. Al combinar este enfoque con una métrica de rendimiento que, como Systema, se enfoca en efectos específicos de perturbación en lugar de expresión genética general, State fue capaz de predecir con precisión aproximadamente un tercio de los genes más fuertemente afectados por una perturbación dada en un conjunto de datos de prueba. Eso es una gran mejora sobre el 7% logrado usando métodos convencionales, según Nature.

Paralelamente, SciLifeLab en Suecia ha lanzado Alpha Cell, un programa estratégico de investigación diseñado para crear modelos predictivos que expliquen cómo funcionan, se adaptan y transicionan las células humanas en la enfermedad, según información publicada por la institución. Al integrar tecnologías de ciencias de la vida de vanguardia y computación avanzada, el programa busca convertir la complejidad celular en conocimiento validado experimentalmente y comprensión de células en salud y enfermedad.

La ciencia de la vida está pasando de ser una disciplina principalmente descriptiva de recopilación de datos a una impulsada por datos moleculares cuantitativos, según SciLifeLab. Este vasto y complejo panorama de datos proporciona la base para usar inteligencia artificial para predecir sistemas vivos, y luego diseñarlos molecularmente, ya sea para prevenir la disfunción celular en enfermedades o dirigir la célula de vuelta a la función normal. Con suficiente poder de predicción explicativa, también debería ser posible diseñar células como herramientas terapéuticas, según la institución.

El programa Alpha Cell está planificado en cinco fases estratégicas, según SciLifeLab. La primera fase aprovecha los datos del Atlas de Proteínas Humanas para crear un modelo generativo de inteligencia artificial fundacional para predecir las funciones metabólicas de células humanas. La segunda fase introduce una dimensión espacial construyendo un conjunto de datos 3D de resolución molecular usando los últimos avances en microscopía de luz y electrones. La tercera fase se enfoca en capturar la dimensión temporal, desarrollando métodos de imagen cuantitativos resueltos en el tiempo para observar las transiciones entre diferentes estados funcionales en células vivas.

La cuarta fase busca desarrollar el modelo en un sistema integrado 4D que prediga estados celulares futuros, mientras que la fase final cambia de predicción a intervención o control. El modelo maduro se aplicará para reconocer y controlar los cambios moleculares más tempranos hacia la patología, permitiendo que las transiciones celulares sean capturadas antes de que la enfermedad se establezca. En última instancia, esto permite la ingeniería celular racional: la capacidad de dirigir células enfermas de vuelta a un camino saludable o diseñar células humanas artificiales como agentes curativos, según SciLifeLab.

El programa está coordinado por Jan Ellenberg, director de SciLifeLab, y Mathias Uhlén, director del Atlas de Proteínas Humanas, según la institución. El programa es posible gracias al generoso apoyo de la Fundación Knut y Alice Wallenberg.

Los datos y modelos de Alpha Cell serán gestionados usando principios de datos FAIR (Findable, Accessible, Interoperable, Reusable, por sus siglas en inglés: Encontrables, Accesibles, Interoperables, Reutilizables), según SciLifeLab. El programa incluye reclutamientos en todos los niveles y aprovecha la infraestructura de SciLifeLab.

A pesar del progreso, los expertos enfatizan que el camino hacia células virtuales completamente funcionales requiere superar desafíos significativos. Los modelos actuales luchan con la predicción de cambios dinámicos y requieren volúmenes cada vez mayores de datos diversos de tipos celulares primarios, no solo líneas celulares de laboratorio. La integración de diferentes modalidades de datos (transcriptómica, proteómica, espacial, temporal) y el desarrollo de métricas de rendimiento que capturen cambios biológicamente significativos en lugar de solo variación estadística amplia permanecen como áreas críticas de desarrollo.

La convergencia de inteligencia artificial avanzada, grandes inventarios de datos moleculares y tecnologías de imagen disruptivas está sentando las bases para mapear células a una escala molecular sin precedentes, según los investigadores. Estos mapas moleculares establecerán la fundación para modelos de células de inteligencia artificial predictivos que podrían transformar la comprensión de enfermedades y el desarrollo de terapias en las próximas décadas.