Por primera vez, la IA traza un mapa completo del cerebro de un ratón

Por primera vez, un modelo de inteligencia artificial ha logrado trazar el mapa más detallado del cerebro de un ratón, revelando más de 1,300 regiones y subregiones que hasta ahora permanecían ocultas. El logro, publicado en Nature Communications por investigadores de la Universidad de California en San Francisco (UCSF) y el Allen Institute, supone un salto histórico en la comprensión de la organización cerebral.

El modelo se llama CellTransformer y, como su nombre indica, está basado en la tecnología de transformadores, la misma que impulsa a modelos de lenguaje como ChatGPT. Sin embargo, en lugar de analizar palabras, CellTransformer analiza células y sus vecindades dentro del cerebro. Gracias a esta lectura masiva de datos biológicos, aprende cómo se agrupan los distintos tipos de células y dónde se ubican, generando automáticamente un mapa anatómico más preciso que cualquier intento previo.

La IA aprendió a “ver” el cerebro desde dentro, interpretando patrones de genes y tipos celulares para definir regiones sin ayuda humana. En palabras de los investigadores, “el cerebro se ‘auto-cartografió’ a través de sus propias moléculas”. Esto marca una diferencia fundamental con los mapas tradicionales, que dependían de la interpretación visual de expertos.

Lo Curioso

Hijo sorprende a su madre con una foto de Chayanne hecha con IA para su cumpleaños

Un mapa basado en datos, no en suposiciones

CellTransformer integró datos de cuatro ratones para crear un mapa coherente de 50 regiones cerebrales, manteniendo una correspondencia casi perfecta entre individuos y con el atlas del Allen Institute. La innovación principal es que las divisiones cerebrales ya no dependen de la forma del tejido o de imágenes microscópicas, sino de cómo se agrupan las células según su información molecular.

Cada célula tiene su firma genética, y al comparar millones de ellas, la IA detecta vecindades invisibles al ojo humano. Este enfoque se basa en la transcriptómica espacial, una técnica que mide qué genes están activos en cada célula y dónde se encuentran. Antes, los métodos tradicionales colapsaban ante el volumen de datos.

CellTransformer resolvió este problema usando aprendizaje auto-supervisado, capaz de procesar millones de datos sin etiquetas previas. Gracias a esto, descubrió más de mil subregiones, incluyendo zonas nuevas en el colículo superior —vinculado con la visión y la orientación— y en el núcleo reticular del mesencéfalo, clave para el movimiento. Estas áreas revelan capas y gradientes de células que antes no se habían identificado.

Qué nos enseña el cerebro del ratón sobre el humano

Aunque el estudio se centra en ratones, sus hallazgos tienen implicaciones para la neurociencia humana. Los ratones comparten buena parte de la organización genética y celular con los humanos, por lo que cada nueva región descubierta abre pistas sobre cómo funciona nuestro cerebro.

El equipo encontró que las nuevas regiones no son divisiones geométricas simples: cada una tiene composición celular y patrón genético propios, lo que sugiere funciones distintas dentro de áreas previamente consideradas homogéneas. En el hipocampo, centro de la memoria, CellTransformer identificó capas moleculares que coinciden con conexiones neuronales conocidas, pero con un detalle sin precedentes.

Además, al comparar cerebros de varios ratones, las mismas regiones emergían de manera consistente, demostrando que la organización molecular del cerebro se repite entre individuos con un nivel de precisión nunca antes comprobado.

Capas y subdivisiones: la IA revela la complejidad del cerebro

CellTransformer no solo confirmó estructuras conocidas, también descubrió nuevas capas y cuadrículas en regiones como la corteza y el estriado, reflejando la organización funcional del cerebro. Algunas de estas divisiones coinciden con patrones de conectividad observados en experimentos anatómicos, lo que demuestra que la IA reconoce relaciones biológicas reales.

El modelo puede analizar hasta nueve millones de células de distintos cerebros y secciones de tejido, integrando información de varios animales en mapas comparables entre ellos. Incluso funcionó con tecnologías diferentes, como Slide-seqV2, lo que confirma que su eficacia no depende de un solo tipo de dato.

Este enfoque cambia la manera de hacer anatomía: pasa de un método interpretativo a uno cuantitativo y reproducible, donde la inteligencia artificial define regiones según criterios biológicos objetivos.

Más allá del cerebro: aplicaciones en otros órganos

Los investigadores explican que CellTransformer podría aplicarse para mapear otros órganos o tumores, siempre que existan datos de transcriptómica espacial. Si puede revelar subregiones cerebrales a partir de la identidad molecular de las células, también podría hacerlo en tejidos como hígado, pulmones o cánceres agresivos, donde los límites entre tipos celulares son borrosos.

El avance ofrece una nueva manera de entender cómo la forma y la función surgen de la organización celular. Al igual que los transformadores lingüísticos aprenden el significado de las palabras por su contexto, CellTransformer aprende el “significado biológico” de cada célula según sus vecinas.

En esencia, la IA enseña a mirar el cuerpo como un sistema de relaciones, no solo como piezas individuales. Entender este entramado podría ser clave para descifrar cómo nacen funciones y enfermedades en organismos complejos.