El modelo IRIS del MIT descifra cómo se comunican las células
Un sistema de IA aprende el lenguaje químico que usan las células durante el desarrollo, acelerando la ingeniería de células madre.

Un modelo de IA que lee las señales químicas que usan las células para hablar entre sí durante el desarrollo.
- Dale miles de células madre expuestas a combinaciones de señales
- Encuentra patrones de actividad génica que coinciden entre distintos tipos de células
- Lee esas huellas para saber qué señales recibió una célula
- Los científicos comprueban las predicciones en embriones reales y en placas de laboratorio
Qué se podría hacer con ello
- Los investigadores podrían identificar qué combinaciones de señales dirigen a una célula madre hacia un destino específico y luego recrear esas mismas señales en el laboratorio 1.
- Los científicos podrían reconstruir la historia completa de señalización de cada célula dentro de un embrión de ratón o humano a una escala sin precedentes 1.
- Los investigadores podrían construir modelos de organoides 3D mejorados de tejido pulmonar para estudiar enfermedades como el asma, el cáncer de pulmón y la fibrosis pulmonar, y probar posibles terapias en ellos 1.
Un lenguaje oculto en tus células
Tu cuerpo comienza como un pequeño grupo de células madre: tablones limpios que aún no saben si se convertirán en cerebro, hígado o músculo. A medida que se dividen, cada célula necesita entender su función. Lo logra enviando y recibiendo señales químicas a sus vecinas, como susurros en una habitación llena de gente.
Durante años, los científicos asumieron que estas conversaciones eran demasiado desordenadas para descifrarlas. Cada tipo de célula parecía interpretar las señales de manera diferente, lo que significaba que los investigadores necesitarían mapear cada vía por separado, un proceso agotador 1.
Entonces llegó IRIS.
Qué descifra IRIS — y lo que eso permite que hagan los investigadores
- Mapas embrionariospredice cuándo y dónde se activan las vías dentro de embriones de ratón en desarrollo
- Destino de las células madreidentifica qué combinaciones de señales impulsan a una célula madre hacia un tejido específico
- Investigación con organoidesmejora modelos de tejido pulmonar 3D para estudiar asma, cáncer de pulmón y fibrosis
A partir de hallazgos del MIT y del Whitehead Institute publicados en Nature Methods, septiembre de 2026
Lo que realmente hace IRIS
IRIS es un modelo basado en redes neuronales desarrollado en el MIT y el Whitehead Institute. En lugar de tratar a cada tipo de célula como algo único, los investigadores descubrieron algo sorprendente: las vías de señalización dejan "huellas dactilares" coherentes, patrones distintivos de actividad génica que reflejan qué señales recibió una célula.
Estas huellas son las mismas en diferentes tipos de células para la misma vía. Eso significa que una vez que aprendes el lenguaje de una vía, puedes aplicarlo en todas partes.
"Piensa en los sistemas de reconocimiento de voz como Siri, que se entrenan principalmente en inglés, pero luego usan ese entrenamiento para ayudarlos a reconocer otros idiomas", dice Pulin Li, profesor asistente de biología del MIT 1. "Esto se llama aprendizaje por transferencia, y por eso IRIS puede funcionar en muchos tipos de células diferentes."
El equipo entrenó a IRIS con miles de células madre embrionarias humanas expuestas a docenas de combinaciones de las seis vías de señalización principales en múltiples etapas del desarrollo. Luego lo probaron en embriones de ratón durante la gastrulación, cuando las células se ramifican rápidamente en tejidos del corazón, el intestino, el músculo y la médula espinal.
IRIS predijo exactamente cuándo y dónde se activaban vías específicas, incluso para tipos de células que nunca había visto antes.
Por qué esto importa
La capacidad de reconstruir la historia de señalización de una célula a gran escala abre puertas que antes eran imposibles. Los investigadores ahora pueden identificar qué combinaciones de señales dirigen a una célula madre hacia un destino específico, y recrear esas señales en el laboratorio.
Cuando el equipo usó IRIS para estudiar el desarrollo pulmonar, el modelo predijo que activar una vía particular fomentaría el crecimiento específico del pulmón. Los experimentos en embriones de ratón confirmaron la predicción 1.
Esto podría acelerar la ingeniería de células madre para la medicina regenerativa y mejorar el desarrollo de organoides, pequeños modelos 3D que se parecen a órganos reales y que se usan para estudiar afecciones como el asma, el cáncer de pulmón y la fibrosis pulmonar.
"De estas maneras, IRIS nos está ayudando a descifrar el lenguaje que usan las células para comunicarse entre sí a una velocidad mucho mayor de la que podríamos lograr de manera realista mediante experimentos", dice el estudiante de posgrado Nicholas Hutchins 1.
Los hallazgos aparecieron en Nature Methods el 8 de septiembre de 2026.
Qué tan buena es
El modelo se entrenó con miles de células madre embrionarias humanas expuestas a docenas de combinaciones de las seis vías de señalización principales en múltiples etapas del desarrollo 1. Luego se probó con células individuales de embriones de ratón durante la gastrulación, donde pudo predecir con precisión cuándo y dónde se activarían vías de señalización específicas en células destinadas a convertirse en tejido del corazón, el intestino, el músculo y la médula espinal . En un experimento separado, IRIS predijo que activar una vía de señalización específica fomentaría el desarrollo pulmonar, y los experimentos en embriones de ratón confirmaron la predicción . No se reportaron modelos rivales ni puntuaciones numéricas de referencia .

Picture: news.mit.edu
Los datos clave
- IRIS usa aprendizaje por transferencia para reconocer firmas de señalización celular en diferentes tipos de células
- Las huellas dactilares de las vías de señalización son consistentes independientemente del tipo de célula
- El modelo predijo señales de desarrollo pulmonar confirmadas en experimentos con embriones de ratón
- Publicado en Nature Methods el 8 de septiembre de 2026
Fuentes
Si esta noticia te afecta a ti o a tu empresa, o usa algo que te pertenece, pide una corrección o que se retire. Cómo funcionan las solicitudes
Sigue leyendo
Cómo funcionaEl MIT estudia cómo la IA está transformando el pensamiento, el aprendizaje y la conexión humanaHerald of AI
El MIT estudia cómo la IA está transformando el pensamiento, el aprendizaje y la conexión humana
Un grupo creciente de académicos del MIT se plantea grandes interrogantes sobre el impacto de la IA en la educación, la democracia y la creatividad: no se limitan a construir el próximo chatbot.
Cómo funcionaInvestigadores de Microsoft resuelven un problema matemático de 31 años y hacen que los agentes de código con IA reduzcan costos en una cuarta parteHerald of AI▶
Investigadores de Microsoft resuelven un problema matemático de 31 años y hacen que los agentes de código con IA reduzcan costos en una cuarta parte
Un rompecabezas matemático de décadas se resuelve por fin, y un nuevo método ayuda a las herramientas de codificación con IA a ahorrar dinero sin perder velocidad.
Entrenar IAs con imágenes las hace pensar más espacialmente aunque solo les des palabras
Un nuevo estudio muestra que dar a los modelos de lenguaje práctica con fotos cambia cómo resuelven acertijos solo con texto —y por qué y cómo esto importa para las herramientas de IA que usas cada día.