Gladstone Institutes presenta MaxToki — un modelo de IA que predice el envejecimiento celular

MaxToki es un intento de enseñar a la IA a ver el envejecimiento no como un conjunto de instantáneas biológicas desconectadas, sino como una trayectoria continua de cambios celulares en el tiempo. El equipo del Gladstone Institutes y sus socios afirman que el modelo no solo puede evaluar cuánto se ha "envejecido" un estado celular particular, sino también predecir qué intervenciones genéticas pueden acelerar o desacelerar este proceso. Para la investigación del envejecimiento, esto representa un cambio importante: en lugar de describir el estado actual de una célula, surge una herramienta para modelar hacia dónde se dirige.

La mayoría de los modelos de base biológicos actuales trabajan con datos estáticos, generalmente secuenciación de ARN de célula única — una instantánea de qué genes están activos en una célula individual en un momento particular. Esto es suficiente para reconocer el tipo de célula o su estado actual, pero insuficiente para entender la dinámica del envejecimiento que se despliega a lo largo de años y décadas. MaxToki se construye como un transformador solo de decodificador y se entrena en dos etapas.

Primero, el modelo estudió transcriptomas celulares individuales de un corpus de aproximadamente 175 millones de muestras. Luego se le dio contexto expandido y se reentrenó en trayectorias de envejecimiento: aproximadamente 22 millones de transcriptomas de célula única recopilados de aproximadamente 3.800 donantes de diferentes edades — desde el nacimiento hasta 90+ años.

En total, el entrenamiento cubrió casi 1 billón de "tokens génicos". Una de las ideas clave de MaxToki es representar una célula no a través de niveles brutos de expresión génica, sino a través de su orden clasificado. Este enfoque ayuda a reducir la dependencia del ruido técnico e impide que los genes "housekeeping", que están activos casi siempre, ahoguen la señal.

En su lugar, el modelo aísla mejor los genes reguladores, incluidos los factores de transcripción, que a menudo determinan la transición de una célula de un estado a otro. En la segunda etapa, MaxToki aprendió a trabajar no con una sola célula, sino con secuencias cortas de estados celulares e intervalos de tiempo entre ellos. Esto permitió dos tipos de consultas: predecir cuánto tiempo separa una célula de otra y generar el estado celular esperado después de un intervalo dado.

Según los autores, el modelo mostró ganancias notables en tareas donde era necesario recuperar trayectorias de envejecimiento para ejemplos desconocidos. En tipos de células reservados que no estaban en el entrenamiento, la correlación entre cambio de tiempo predicho y real alcanzó 0,85. En edades y donantes reservados — 0,77.

El error de predicción de tiempo medio fue de 87 meses en comparación con 178–180 meses para métodos de base más simples. También es importante que MaxToki no reciba etiquetas explícitas de sexo o tipo de célula durante la inferencia, sino que recupere contexto de los datos mismos. Esto hace que el modelo sea más similar al aprendizaje en contexto en el espíritu de los modelos de lenguaje, solo en el dominio biológico.

Particularmente interesante es la validación en enfermedades que el modelo nunca había visto durante el entrenamiento, porque se entrenó solo en envejecimiento "normal". En células epiteliales pulmonares de personas con un antecedente fuerte de tabaquismo, MaxToki estimó una aceleración del envejecimiento de aproximadamente 5 años en relación con el grupo de control de la misma edad. Para fibroblastos pulmonares en fibrosis pulmonar, la estimación alcanzó aproximadamente 15 años.

En microglía de pacientes con enfermedad de Alzheimer, el modelo mostró aproximadamente 3 años de cambio de envejecimiento adicional. Sin embargo, esta señal no estaba presente en personas con deterioro cognitivo leve y en pacientes llamados Alzheimer-resilientes, que tienen neuropatología similar pero sin déficit cognitivo pronunciado. Esto sugiere que el modelo puede estar captando no solo la edad, sino específicamente la aceleración patológica del envejecimiento celular.

La parte más fuerte del trabajo es el intento de pasar de la predicción a la acción. Los investigadores utilizaron MaxToki para el cribado in silico de genes en células cardíacas y buscaron objetivos que pudieran desplazar la trayectoria hacia el envejecimiento o la rejuvenecimiento. Varios candidatos pro-envejecimiento previamente no descritos se probaron experimentalmente.

En cardiomiocitos humanos, su sobreexpresión desencadenó programas de inflamación y disfunción mitocondrial, así como deterioró la función celular, incluidas perturbaciones en ciclos de calcio y anomalías del ritmo de contracción. Los dos candidatos más fuertes también se probaron en ratones jóvenes: según los autores, en solo seis semanas esto llevó a un deterioro mensurable de la función cardíaca. Para la IA biomédica, este es un momento importante: el modelo no solo interpreta datos hermosamente, sino que también produce hipótesis que resisten la prueba de laboratorio.

¿Qué significa esto en la práctica? MaxToki sigue siendo un sistema de investigación por ahora y se ha publicado en formato de preimpresión, por lo que es demasiado pronto para hablar de aplicación clínica. Pero la idea en sí es muy sólida: si los modelos de base aprenden a modelar consistentemente trayectorias celulares en el tiempo, podrían convertirse en una herramienta para el descubrimiento temprano de objetivos contra enfermedades relacionadas con la edad, la selección de candidatos de drogas y la prueba de hipótesis antes de experimentos costosos.

En términos simples, la biología obtiene un análogo de un "simulador del futuro" para células — y eso es mucho más interesante que otro modelo que simplemente describe una instantánea del presente.