Las placas de la proteína beta-amiloide y los ovillos de tau son las huellas más conocidas del alzhéimer en el cerebro, pero no explican por sí solas por qué la enfermedad castiga a unas células más que a otras. Esa es una de las grandes preguntas abiertas sobre una patología que, según la Sociedad Española de Neurología (SEN), afecta a más de 800.000 personas en España, donde se diagnostican unos 40.000 casos nuevos cada año.
“Aunque se conocen bien sus señales visibles en el cerebro, el alzhéimer aún guarda muchos misterios, porque sigue sin estar claro qué ocurre dentro de cada tipo de célula cerebral: qué genes se descontrolan, quién los dirige y por qué unas neuronas son más vulnerables que otras”, explica Andrea Álvarez, investigadora predoctoral de la Universidad Politécnica de Madrid (UPM). Álvarez es la primera autora de un estudio publicado en la revista NAR Genomics and Bioinformatics que intenta responder a esas preguntas desde el ordenador.
El equipo, formado por investigadores del Centro de Tecnología Biomédica y de la Escuela Técnica Superior de Ingenieros Informáticos de la UPM y del Instituto de Biomedicina de Sistemas Computacionales de la Universidad de Hamburgo, ha combinado dos herramientas que hasta ahora se usaban por separado: la medicina de redes y un modelo de inteligencia artificial entrenado con datos de células cerebrales. El resultado es un mapa de cómo cambia la actividad de los genes en cada tipo de célula y una pista nueva en uno de los grupos de neuronas más afectados por la enfermedad.
Un atlas de 1,3 millones de células
Los investigadores no han analizado muestras nuevas, sino que han partido de un recurso público: el atlas SEA-AD (Seattle Alzheimer’s Disease Brain Cell Atlas). Este atlas reúne datos de expresión génica, célula a célula, de la corteza temporal media de 84 donantes adultos con distintos grados de afectación por alzhéimer, además de cinco donantes jóvenes sin la enfermedad. A su vez, esta región del cerebro está implicada en la memoria y en la comprensión del lenguaje.
De igual modo, este conjunto completo supera los 1,3 millones de células, las cuales están clasificadas en 18 tipos. Para el estudio, el equipo comparó dos grupos extremos: las células de personas sanas, que sirvieron de referencia, y las de pacientes con el mayor grado de daño neuropatológico por alzhéimer, analizando en total 681.275 células.
Para ello usaron dos herramientas que se complementan entre sí. La primera es la medicina de redes, que representa los genes como los nodos de una red para ver cuáles se activan a la vez y cuáles regulan a otros. Para ello, los investigadores usaron SCANet, un sistema que reconstruye estas redes a partir de datos de célula única.
La segunda es scGPT, un modelo de inteligencia artificial del mismo tipo que los grandes modelos de lenguaje, pero entrenado con datos biológicos. En concreto, el equipo empleó una versión especializada en tejido cerebral, preentrenada con 13,2 millones de células. Al comparar las células sanas con las de pacientes, el modelo señala qué genes ganan o pierden influencia sobre los demás.
Lo cierto es que las dos herramientas coincidieron en lo esencial: casi todos los genes que destacaba la inteligencia artificial formaban parte de los módulos que había identificado el análisis de redes. Sin embargo, apenas coincidían en cómo se conectaban esos genes entre sí. Para los autores, esto no es una contradicción, sino la prueba de que ambos enfoques aportan información “complementaria y no redundante”: la inteligencia artificial apunta a los genes más influyentes y la medicina de redes ayuda a entender cómo se relacionan.
Una pista en las neuronas SST
El análisis muestra que los cambios asociados al alzhéimer no aparecen dispersos, sino agrupados en conjuntos de genes con funciones relacionadas. Los más destacados tienen que ver con la matriz extracelular, que es la estructura que rodea y sostiene a las células, con la señalización del sistema inmunitario y con la comunicación entre neuronas. Además, estos cambios varían según el tipo de celula, lo que refuerza la idea de que la enfermedad no afecta igual a todas.
Sin embargo, el hallazgo más llamativo apareció en las neuronas SST, un tipo de interneurona híbrida "especialmente vulnerable al Alzheimer”, señala Álvarez. De hecho, fueron las células en las que la inteligencia artificial y la medicina de redes demostraron mayor coincidencia.
En ellas, el equipo identificó un posible eje regulador entre dos genes. Uno es CEBPB, un regulador conocido de la respuesta inflamatoria cuyo papel en el alzhéimer ya cuenta con respaldo experimental. El otro es CENPQ, que codifica una proteína relacionada con la división celular. Al cruzar sus datos con la información del atlas sobre qué células están más dañadas, los investigadores observaron que CEBPB estaba más presente en las neuronas afectadas, mientras que CENPQ aparecía reducido.
“En ellas se identificó un posible mecanismo regulador nuevo que une inflamación y daño celular, y que está alterado precisamente en las neuronas más afectadas”, explica la investigadora. Los autores plantean que la activación de CEBPB en estas neuronas vulnerables podría conectar la neuroinflamación con procesos de daño en el ADN o de reactivación del ciclo celular, algo que las neuronas maduras no deberían hacer.
Pendiente de confirmar en el laboratorio
Los propios investigadores advierten de que se trata de una hipótesis, pues el estudio es un análisis computacional, donde las redes de genes se deducen a partir de los datos y no de experimentos. Además, las puntuaciones del modelo de inteligencia artificial reflejan relaciones aprendidas que no demuestran causalidad. Igualmente, el trabajo compara dos situaciones concretas, cerebros sanos y cerebros con alzhéimer avanzado, por lo que no permite seguir la evolución de la enfermedad en el tiempo.
Por otro lado, el trabajo no propone ningún tratamiento ni tiene aplicación clínica inmediata. Su valor está en señalar dónde mirar: los autores consideran que el eje CEBPB-CENPQ y otros reguladores identificados merecen validarse en el laboratorio, y que combinar inteligencia artificial y medicina de redes puede ayudar a priorizar dianas en una enfermedad para la que todavía no hay cura.
