El proyecto Cellular Intelligence surgido en Harvard busca mejorar la reproducibilidad y escalabilidad de la medicina regenerativa.
Reemplazar células dañadas por células sanas cultivadas en laboratorio ha sido durante décadas uno de los grandes objetivos de la medicina regenerativa. Aunque los avances en biología de células madre han permitido generar en laboratorio células musculares, nerviosas y otros tipos especializados, solo una parte limitada de estos desarrollos ha logrado avanzar hacia aplicaciones clínicas reales.
Uno de los principales obstáculos es el control del proceso de desarrollo celular, pues a medida que las células madre maduran, responden a secuencias precisas de señales químicas que deben aplicarse en el momento y la cantidad adecuados. De esta manera, pequeñas variaciones pueden desviar a las células de su destino previsto, lo que da lugar a resultados inconsistentes, difíciles de reproducir y poco adecuados para su uso terapéutico a gran escala.
Para abordar este problema, investigadores del Blavatnik Institute en Harvard Medical School cofundaron la empresa Cellular Intelligence, un proyecto que combina biología experimental e artificial intelligence (AI) con el objetivo de hacer que las terapias celulares sean más predecibles y escalables. La iniciativa se basa en grandes conjuntos de datos provenientes de la biología del desarrollo, la biología de sistemas y la biología computacional, con los que se busca entrenar un modelo fundacional de machine learning or machine learning.
“Para muchas terapias celulares, la biología funciona, pero no de forma suficientemente robusta”, explicó Allon Klein, profesor de biología de sistemas en Harvard y cofundador científico de la empresa. “Puedes obtener las células correctas una vez, pero reproducir ese resultado de manera fiable y a escala es un problema completamente distinto”.
El objetivo del modelo es identificar las reglas subyacentes que gobiernan el desarrollo celular, de modo que los investigadores puedan predecir cómo se comportarán las células bajo nuevas condiciones experimentales. “La biología del desarrollo ya tiene una lógica interna”, señaló Klein. “Lo que intentamos es comprender esa lógica lo suficientemente bien como para poder guiarla”.
El origen de Cellular Intelligence se encuentra en años de investigación básica realizada en Harvard, apoyada por programas de financiamiento orientados a la traducción científica, como el Quadrangle Fund for Advancing and Seeding Translational Research (Q-FASTR). Este programa ha permitido a los investigadores explorar ideas con potencial aplicado en etapas tempranas, antes de contar con datos preliminares sólidos. Según Harvard, los proyectos respaldados por Q-FASTR han dado lugar a múltiples empresas emergentes y a una importante captación de financiamiento posterior.
“El objetivo es dar a los investigadores el espacio necesario para preguntarse si su ciencia podría avanzar hacia una aplicación translacional”, afirmó Mark Namchuk, director ejecutivo de traducción terapéutica en Harvard Medical School. “Financiar proyectos tempranos y de alto riesgo es precisamente lo que permitió el desarrollo de esta nueva tecnología”.
A medida que el proyecto avanzó, los investigadores identificaron limitaciones difíciles de resolver dentro de los laboratorios académicos tradicionales, como la reproducibilidad a gran escala y la integración sistemática de datos experimentales y computacionales. En ese contexto, la empresa se trasladó al Blavatnik Harvard Life Lab Longwood, un incubador que ofrece infraestructura compartida para startups biomédicas en etapas iniciales, facilitando la transición del entorno académico al empresarial sin perder el vínculo con la investigación científica.
El trabajo de Cellular Intelligence también se apoya en décadas de estudios sobre el desarrollo embrionario, en particular en la formación de tejidos como el músculo y las vértebras. Con el avance de las tecnologías de células madre pluripotentes humanas, procesos que antes solo podían observarse en embriones comenzaron a reproducirse parcialmente en el laboratorio. “Si entiendes cómo se forman los tejidos durante el desarrollo, puedes empezar a reproducir esos procesos en el laboratorio”, explicó Olivier Pourquié, profesor de patología y genética en Harvard Medical School y cofundador científico de la empresa.
Un componente clave del enfoque es una tecnología desarrollada en el laboratorio de Klein que permite cultivar células en microambientes encapsulados y exponerlas simultáneamente a múltiples combinaciones de señales. Esta metodología, descrita recientemente en la revista Science, hace posible realizar experimentos a gran escala que antes resultaban impracticables, y genera los datos necesarios para entrenar modelos de AI capaces de identificar patrones en el destino celular.
“Cuando la biología, la computación y el apoyo adecuado se unen en el momento correcto, es posible avanzar mucho más rápido hacia soluciones que, en el futuro, podrían tener un impacto directo en los pacientes”, concluyó Klein.
