La herramienta scNET mejora el análisis de células individuales y revela cómo responden a tratamientos, incluso en condiciones con alta interferencia genética.
La nueva herramienta combina datos genéticos con redes de proteínas
Científicos de la Universidad de Tel Aviv desarrollaron una plataforma basada en inteligencia artificial llamada scNET, diseñada para integrar datos biológicos complejos y descifrar cómo reaccionan las células a diversos tratamientos farmacológicos. El equipo estuvo encabezado por el profesor Asaf Madi de la Facultad de Medicina, junto con el profesor Roded Sharan y el doctorando Ron Sheinin, quienes señalaron que el método representa un avance clave en la investigación celular.
La plataforma scNET, sigla de “red de una sola célula”, fue creada con el objetivo de superar una de las principales limitaciones en la biología de sistemas: el ruido de fondo en los datos genéticos, que impide detectar con precisión el comportamiento celular específico. Madi explicó que, aunque los científicos pueden analizar células individuales mediante tecnologías de secuenciación génica, los resultados no siempre son fiables debido a errores o interferencias en los datos recopilados.
En paralelo, la comunidad científica ha desarrollado una base de datos sobre interacciones entre proteínas, que describe cómo se relacionan entre sí millones de proteínas en el cuerpo humano. Madi y su equipo propusieron combinar estas dos fuentes de información: los datos de expresión génica y el mapa proteico. Esta fusión, aseguraron, ofrece una visión más precisa del comportamiento celular y mejora la capacidad de identificar procesos funcionales dentro de la célula.
El desarrollo de scNET se prolongó durante dos años. El sistema permite detectar cómo los genes interactúan entre sí dentro de una célula, y cómo dichas interacciones cambian según los tratamientos aplicados. Esta información es fundamental para entender enfermedades complejas como el cáncer y para diseñar tratamientos personalizados.
scNET revela funciones inmunológicas ocultas en experimentos previos
Para probar la herramienta, el equipo retomó un experimento anterior que involucraba un tratamiento oncológico en ratones. El ensayo inicial había mostrado resultados positivos, como un crecimiento tumoral reducido y una mayor supervivencia, pero los investigadores no lograron entender qué mecanismos provocaban dichos efectos.
Al aplicar scNET al mismo conjunto de datos, el sistema identificó que las células T del sistema inmunitario estaban activando programas moleculares específicos relacionados con la destrucción de tumores. Madi indicó que esta información permanecía oculta bajo el ruido de los datos originales y que solo fue visible gracias al nuevo enfoque de integración desarrollado por el equipo.
Aspectos técnicos y avances del sistema scNET
- scNET: plataforma basada en IA que combina datos de expresión génica con redes de interacción proteica
- Objetivo: mejorar la identificación de funciones celulares en condiciones de alta interferencia genética
- Aplicación exitosa: reveló la respuesta inmunitaria específica de células T en modelos animales de cáncer
- Impacto: ofrece una nueva vía para reevaluar experimentos previos y optimizar tratamientos farmacológicos
- Desarrollo: realizado por la Universidad de Tel Aviv en colaboración entre medicina, bioinformática e inteligencia artificial
El doctorando Ron Sheinin explicó que scNET traza las relaciones entre genes como si se tratara de una red social biológica, donde la influencia mutua entre genes permite detectar subpoblaciones celulares y comprender su comportamiento en distintos entornos experimentales. Esta capacidad resulta especialmente útil para estudios en células inmunitarias como las células T, las células B y los macrófagos, todas fundamentales en procesos de defensa y regulación del organismo.
La tecnología promete aplicaciones más allá del estudio del cáncer
El profesor Madi señaló que el desarrollo de scNET puede extenderse a otras disciplinas biomédicas, abriendo nuevas posibilidades para entender mecanismos de enfermedades autoinmunes, infecciosas y neurodegenerativas. Asimismo, invitó a la comunidad científica a utilizar la herramienta en investigaciones anteriores que no hayan arrojado resultados concluyentes debido a deficiencias en el análisis de datos.
“El campo avanza muy rápido”, comentó Madi, “y creemos que scNET puede contribuir significativamente a acelerar el desarrollo de tratamientos más eficaces”. Añadió que esperan que otros laboratorios repliquen su enfoque y adapten la herramienta a sus propias líneas de investigación.
Los investigadores insisten en que la plataforma scNET no reemplaza a las tecnologías actuales de secuenciación celular, sino que funciona como una capa de análisis avanzada que permite aprovechar al máximo los datos obtenidos. Al reducir el impacto del ruido genético, scNET ofrece una forma más confiable de mapear procesos biológicos complejos.
La herramienta refuerza el rol de Israel en la biotecnología de vanguardia
El avance liderado por la Universidad de Tel Aviv consolida el posicionamiento de Israel como actor clave en innovación biomédica. La combinación de experiencia en inteligencia artificial y ciencias de la vida ha permitido abordar uno de los desafíos más importantes en la biología moderna: entender con precisión cómo las células responden a intervenciones externas.
scNET representa una nueva generación de herramientas para el análisis de datos biológicos, con potencial para mejorar el diagnóstico y tratamiento de enfermedades desde una perspectiva molecular. El equipo israelí considera que su trabajo puede influir en el desarrollo de terapias dirigidas que optimicen la respuesta del sistema inmunológico, reduciendo efectos adversos y aumentando la eficacia de medicamentos existentes.
“Demostramos que funciona”, concluyó Madi. “Ahora esperamos que otros investigadores adopten esta herramienta y la integren en su trabajo. El conocimiento generado puede cambiar nuestra forma de enfrentar muchas enfermedades en el futuro cercano”.
