MERLIN, la inteligencia artificial que reconstruye la ubicación de las células inmunitarias en el riñón y el cerebro
Una nueva herramienta basada en IA permite recuperar la información espacial que se pierde al aislar células para su análisis genético. El algoritmo MERLIN demuestra que los macrófagos conservan una memoria molecular de su entorno y abre una nueva vía para entender enfermedades del riñón y el cerebro.
Por Enrique Coperías, periodista científico
Una nueva investigación, publicada en Advanced Science, demuestra que ciertos macrófagos—arriba— conservan una memoria molecular de su entorno, lo que permite recuperar información espacial que se consideraba irremediablemente perdida durante el proceso de secuenciación. Cortesía: Caleb Dawson / WEHI, The Walter and Eliza Hall Institute of Medical Research / Department of Cancer Biology and Stem Cells Melbourne / https://www.nikonsmallworld.com/
Cuando los investigadores aíslan una célula para estudiar su ARN —esa especie de huella digital que revela qué genes están activos— sacrifican algo esencial: el lugar exacto donde vivía esa célula dentro del órgano. Es como arrancar una casa de su barrio y pretender entender la ciudad solo examinando el mobiliario.
Hasta ahora, esa pérdida de contexto espacial era uno de los grandes límites de la secuenciación de células individuales (scRNA-seq), una de las tecnologías estrella de la biomedicina que permite analizar qué genes están activos en cada célula por separado, en lugar de estudiar miles de ellas mezcladas. Al leer el ARN mensajero de cada célula, los investigadores pueden identificar su identidad, su estado funcional y cómo responde a estímulos o enfermedades con una precisión sin precedentes.
Sin duda alguna, la scRNA-seq ha transformado la inmunología y la biología molecular al revelar la enorme diversidad que existe incluso dentro de un mismo tejido.
Pues bien, ahora un equipo internacional de investigadores liderado desde la Universidad de Bonn ha logrado recuperar parte de esa información perdida. Lo ha hecho mediante un algoritmo de aprendizaje automático capaz de predecir, a partir del perfil genético de una célula inmunitaria, en qué región concreta del órgano se encontraba.
¿Qué problema resuelve MERLIN?
El trabajo, publicado en la revista Advanced Science , demuestra que ciertos macrófagos —unas células clave del sistema inmune— conservan en su transcriptoma —el conjunto completo de moléculas de ARN mensajero que una célula produce en un momento determinado— una memoria de su ubicación.
🗣️ «Sin embargo, cuando las células se aíslan, inevitablemente se pierde la información sobre de qué parte del órgano proceden. En órganos altamente estructurados, como el riñón y el cerebro, esta información espacial es crucial para comprender la salud y la enfermedad», explica el inmunólogo Christian Kurts, uno de los autores principales del estudio.
La herramienta, bautizada como MERLIN (Machine Learning-Enabled Regional Localization of Leukocytes), no necesita imágenes ni mapas anatómicos previos del tejido analizado. Le basta con el patrón de expresión génica, esto es, el proceso por el que la información contenida en un gen se activa para producir una molécula funcional, normalmente una proteína. Y eso abre la puerta a reinterpretar miles de conjuntos de datos ya publicados en bases públicas, y dotarles de este modo de una dimensión espacial que hasta ahora parecía irrecuperable.
El riñón, un territorio compartimentado
Si hablamos del riñón, este es un órgano estructurado en compartimentos bien definidos: la corteza, la médula externa y la médula interna. Cada región tiene funciones y condiciones ambientales distintas. La concentración de oxígeno disminuye progresivamente desde la corteza hacia la médula interna; lo mismo ocurre con la disponibilidad de nutrientes, mientras que la osmolaridad aumenta.
Estas diferencias microambientales no son anecdóticas. Influyen en la actividad genética de las células residentes. Ya se había demostrado que las células epiteliales tubulares del riñón conservan marcas moleculares asociadas a su posición. Sin embargo, se asumía que las células inmunitarias, al ser móviles, no permanecerían el tiempo suficiente en un lugar como para imprimir esa información en su perfil génico.
El equipo de Bonn decidió poner a prueba esa hipótesis, y para ello se centró en los macrófagos residentes del riñón, células longevas y relativamente estables que actúan como centinelas frente a infecciones y daños tisulares. Para ello, diseccionaron manualmente las tres regiones del riñón de ratones sanos, aislaron más de 20.000 células inmunitarias y generaron varios conjuntos independientes de secuenciación de ARN de células individuales.
🗣️ «Descubrimos que los macrófagos conservan una memoria molecular de su entorno local. Incluso después de ser aislados, su actividad génica sigue reflejando de qué zona del riñón o del cerebro proceden. MERLIN vuelve a hacer accesible esta información», explica Junping Yin, primer autor del trabajo.
¿Cómo funciona MERLIN?
El siguiente paso fue entrenar distintos modelos de aprendizaje automático para que aprendieran a distinguir, a partir de los genes más variables en macrófagos residentes, de qué región provenía cada célula. Entre los siete modelos evaluados, uno destacó claramente: una versión modificada de red neuronal multicapa (MLP).
«Desde una perspectiva bioinformática, era crucial que MERLIN se entrenara con múltiples conjuntos de datos independientes. Esto permite que el sistema aprenda señales biológicas reales. Después puede aplicarse a conjuntos de datos completamente nuevos o previamente publicados», señala Jian Li, autor sénior y bioinformático.
Con un conjunto optimizado de 251 genes altamente variables, MERLIN logró predecir la localización de los macrófagos residentes con una precisión cercana al 80% en datos independientes. Es decir, en cuatro de cada cinco casos acertaba si la célula procedía de la corteza, la médula externa o la interna.
La clave no estaba en genes aislados, sino en patrones colectivos. Los genes que mejor informaban sobre la posición estaban enriquecidos en rutas relacionadas con quimiotaxis, migración leucocitaria, respuesta a hipoxia y estrés oxidativo. En otras palabras, reflejaban la adaptación del macrófago a su microambiente.
Cuando los investigadores probaron el sistema con conjuntos de genes seleccionados por otros criterios —por ejemplo, marcadores diferenciales clásicos entre regiones— el rendimiento fue inferior. No bastaba con identificar lo que más distingue a dos compartimentos; hacía falta capturar la variabilidad intrínseca que encierra información espacial sutil.
No todas las células recuerdan igual
El algoritmo no funcionó con todas las células inmunitarias. Los linfocitos T y B, altamente móviles, no mostraron firmas espaciales robustas. Tampoco las células dendríticas convencionales ofrecieron suficiente señal posicional. La explicación es coherente: si una célula entra y sale continuamente de distintos nichos, su transcriptoma difícilmente consolidará una identidad territorial.
En cambio, los macrófagos residentes sí parecían haber aprendido su entorno. Incluso dentro de ellos, el algoritmo fue más preciso al predecir la localización de los macrófagos derivados del saco vitelino —capaces de autorrenovarse en el tejido— que la de aquellos procedentes de médula ósea. Cuanto más estable la residencia, más fuerte la huella espacial.
Además, el estudio detectó un sesgo por sexo: los modelos entrenados con datos de ratones macho predecían mejor la posición en machos que en hembras. Un recordatorio de que las diferencias biológicas entre sexos también atraviesan la arquitectura espacial del sistema inmune.
Del ratón a los humanos
Uno de los interrogantes era si ese recuerdo posicional se conservaba entre especies. Para comprobarlo, el equipo aplicó MERLIN a un conjunto de datos de riñón humano con información anatómica conocida.
Tras adaptar los genes homólogos entre ratón y humano, el modelo alcanzó una precisión superior al 70% en macrófagos humanos.
El hallazgo sugiere que los programas transcripcionales asociados a la ubicación están, al menos en parte, conservados evolutivamente.
Aplicación en cerebro: reconstrucción de la microglía
La prueba de fuego era comprobar si el método funcionaba en otro órgano con arquitectura compartimentada. Eligieron el cerebro, cuyas células inmunitarias residentes —la microglía— desempeñan papeles diversos según la región.
Al entrenar el modelo con microglía de distintas áreas cerebrales y validarlo en un conjunto independiente, MERLIN alcanzó una precisión del 74%.
Aunque los genes concretos diferían en parte de los renales, las rutas enriquecidas volvían a apuntar a migración y quimiotaxis, sugiriendo principios comunes de organización espacial en distintos órganos.
Las células inmunitarias recuerdan su ubicación: Junping Yin, el profesor Christian Kurts y Jian Li han desarrollado un algoritmo de inteligencia artificial capaz de reconstruir el origen espacial de los macrófagos a partir de su perfil genético. Cortesía: University Hospital Bonn (UKB) / Alessandro Winkler
Aplicaciones en enfermedades renales
Una cuestión crucial era determinar si la inflamación borraría estas huellas. En un modelo experimental de glomerulonefritis —una forma agresiva de inflamación renal— el algoritmo siguió prediciendo correctamente la posición de los macrófagos residentes, aunque con una ligera pérdida de precisión.
Más interesante aún fue el análisis de los macrófagos infiltrantes, derivados de monocitos sanguíneos, un tipo de glóbulos blancos. Aquellos recién llegados no mostraban firmas espaciales claras. Pero un subgrupo que había permanecido más tiempo en el tejido sí empezaba a adquirir una identidad posicional reconocible. La memoria espacial, al parecer, se aprende con el tiempo.
MERLIN permitió también reinterpretar datos publicados sobre daño renal, sepsis, lesión por isquemia-reperfusión y nefropatía diabética. En los modelos de lesión aguda, como la sepsis y la isquemia-reperfusión, el algoritmo señaló la médula externa como la región con mayor activación inflamatoria de macrófagos, en coherencia con estudios histológicos previos. Es decir, no solo reconstruía la posición, sino que ayudaba a entender la lógica regional de la enfermedad.
En un modelo de nefropatía diabética, el análisis específico de macrófagos corticales reveló dinámicas inflamatorias y fibrosantes que quedaban diluidas al analizar el órgano completo. Incluso permitió distinguir matices en la respuesta a distintos tratamientos —inhibidores de SGLT2, inhibidores de la ECA o rosiglitazona— que se alineaban con observaciones clínicas.
🗣️ «Este es un gran avance para la nefrología. Vemos que las respuestas inmunitarias y los efectos de los fármacos dependen en gran medida de la región específica del riñón, como sabemos por la atención a los pacientes», subraya Kurts.
¿Por qué es relevante para la medicina de precisión?
MERLIN no sustituye a las tecnologías de transcriptómica espacial, que permiten visualizar directamente la localización celular en cortes de tejido. Pero ofrece algo complementario: la posibilidad de añadir contexto anatómico a los miles de conjuntos de datos de secuenciación de célula única ya disponibles, sin necesidad de volver al laboratorio.
El estudio sugiere que las células inmunitarias residentes no son entidades flotantes en un mar homogéneo, sino habitantes de barrios biológicos bien definidos. Sus transcriptomas conservan cicatrices del entorno: hipoxia, gradientes osmóticos, señales químicas locales.
🗣️ «MERLIN abre una nueva dimensión en la investigación con células individuales. Podemos reevaluar conjuntos de datos existentes y obtener una comprensión mucho más precisa de los mecanismos de la enfermedad», resume Yin.
En tiempos en que la medicina de precisión aspira a integrar genética, ambiente y anatomía, herramientas como MERLIN apuntan a una nueva dimensión: la geografía molecular del sistema inmune. Porque, al parecer, incluso cuando las arrancamos de su tejido y las reducimos a secuencias de ARN, algunas células todavía recuerdan dónde estaban.▪️(2-marzo-2026)
Información facilitada por el University Hospital Bonn
Fuente: Junping Yin, Qi Mei, Hans-Joachim Paust, Ning Song, Yu Zhao, Daniela Klaus, Melanie Eichler, Yijun Hua, Jie Qin, Weiting Cheng, Christina K. Weisheit, Veronika Lukacs-Kornek, Isis Ludwig-Portugall, Sibylle von Vietinghoff, Christian F. Krebs, Johanna Klughammer, Ulf Panzer, Christian Kurts, Jian Li. Predicting Macrophage Spatial Localization from Single-Cell Transcriptomes to Uncover Disease Mechanisms. Advanced Science (2026). DOI: https://doi.org/10.1002/advs.202410924Digital Object Identifier (DOI)
