Física de formación pero dedicada a desentrañar los secretos de la vida gracias a los algoritmos, Colomé Tatché compagina su trabajo como profesora en la Universidad Ludwig Maximilian de Múnich con su puesto como Investigador emérito en el centro de investigación del Hospital del Mar de Barcelona. Su trabajo no se realiza entre tubos de ensayo, sino entre millones de datos genómicos que la inteligencia artificial ayuda a responder, entre otras cosas, a la pregunta del millón: ¿por qué? una célula sana de repente decide ignorar las reglas y convertirse en un tumor?

— Hasta hace poco, el análisis genómico se hacía en masa, mezclando miles de células de un tejido. Ahora podemos mirar uno por uno. ¿Podría compararse esto con ver una foto borrosa de una multitud y entrevistar a cada individuo individualmente?

— Un ejemplo que suelo poner es la diferencia entre beber un batido o comer una macedonia de frutas. Si una persona bebe un batido todas las mañanas y un día nota que no sabe bien, sabrá que algo anda mal, pero no podrá identificar si es la fresa, el plátano o la manzana. En cambio, con una ensalada de frutas, puedes decir: «Mira, era la fresa la que estaba mala».

El análisis unicelular hace precisamente eso. Hasta ahora, se podía decir que muchas enfermedades se originaban en un órgano (cáncer o una enfermedad cerebral degenerativa), pero no estaba claro qué célula estaba fallando realmente. Ahora podemos comparar cada tipo de célula para ver cuál es disfuncional.

— ¿Qué implica este nivel de detalle para el paciente, qué aporta para el análisis de una molécula o de un tejido?

— Esto nos da la posibilidad de avanzar en dos niveles. Primero, entender por qué ocurren las enfermedades y cómo prevenirlas a nivel molecular. Y en segundo lugar, el acceso a tratamientos mucho menos invasivos y más personalizados. En lugar de una quimioterapia brutal que mata todas las células, podremos atacar sólo ese grupo particular de células que sabemos que se están «portando mal».

— Aquí es donde entra en juego la noción de heterogeneidad. Gracias a estas tecnologías, reconocemos células que, bajo el microscopio, parecen similares, pero se comportan de manera diferente.

—Estamos cuestionando lo que alguna vez llamamos “tipo de célula”. Cuando medimos un millón de células cerebrales, encontramos que en lo que solíamos llamar simplemente «neurona» hay muchos subtipos diferentes. Incluso hemos descubierto células que parecen idénticas pero que, ante un tratamiento o una infección, reaccionan de forma opuesta. Están “codificados” para reaccionar de manera diferente aunque aparentemente estén haciendo lo mismo que sus vecinos.

—Para la medicina, ¿es ésta una revolución similar a la que vivió la física hace un siglo con el descubrimiento del átomo?

— Esta revolución está impulsada enteramente por la tecnología. Como podemos medir células individuales, vemos que los tejidos no son uniformes. De hecho, en los debates científicos suele surgir una discusión que puede durar horas: ¿qué es un tipo de célula? Llega un momento en el que no lo sabemos con seguridad; Es casi una cuestión de semántica.

—Tu trabajo se centra en la epigenómica, que es casi como intentar entender las reglas por las que una célula activa o no cada uno de sus interruptores.

— Todas nuestras células tienen el mismo genoma, pero una célula cerebral decide expresar genes diferentes a los de una célula cardíaca. ¿Cómo lo sabes? Gracias al epigenoma. Se trata de modificaciones químicas y proteínas que se adhieren al genoma y le dicen: «Este gen de aquí no se puede utilizar y este otro sí». En realidad son como interruptores. Sin ellos, las células olvidarían cuál es su función.

— Además de la enfermedad, ¿todo esto influye en la forma en que envejecemos?

— Sabemos que el envejecimiento es multifactorial, pero se reconoce que el epigenoma se vuelve cada vez menos regulado a medida que envejecemos. Existe la idea de rejuvenecer el epigenoma para que no seamos “tan viejos” biológicamente. Aún no sabemos cómo tratarlo, pero hay marcas que ya no nos dicen nuestra edad cronológica, sino nuestra edad biológica. En el caso del cáncer, por ejemplo, ya existen fármacos que modifican o revierten este epigenoma.

— Su investigación tiene un pie en la biología y otro en la informática. ¿Cómo se produce el diálogo entre las dos disciplinas?

— Estamos viviendo una gran revolución. Con Foundation Models, LLM, al igual que la arquitectura de los agentes de IA que utilizamos, entrenamos modelos con millones de datos genómicos sin necesidad de supervisión humana. Estas máquinas aprenden patrones que el cerebro humano es incapaz de detectar. Es literalmente un “ChatGPT de la célula humana”.

—¿Podemos “preguntarte” cosas sobre el celular?

— Sí, podemos preguntarle al modelo: “¿Qué pasaría si hubiera una mutación en esta etapa del genoma?” El desafío ahora es la interpretabilidad. No queremos que la IA sea una “caja negra”; Necesitamos entender por qué llegó a esta conclusión para comprender la verdadera causa de una enfermedad. Por eso son tan importantes iniciativas como el Atlas del Genoma Humano, que exige que los datos sean públicos. Sin esta transparencia y generosidad entre los científicos, no se pueden entrenar modelos y la ciencia no progresaría.