Una IA del IDIBELL, el BSC y el ISGlobal distingue células madre de la sangre jóvenes y viejas en ratones por cómo se ordena su ADN.
 |
| ChromAgeNet distingue células madre de la sangre jóvenes y viejas de ratón con un 68 % de acierto, y dos fármacos epigenéticos llevan a las viejas a puntuación de joven. | Infografía: La Crónica del Henares, con datos de Aging Cell (2026). |
Alcalá de Henares, 9 de octubre de 2026
Un equipo del IDIBELL, el BSC y el ISGlobal ha creado una inteligencia artificial que distingue, por cómo se ordena su ADN, células madre de la sangre jóvenes y viejas de ratón. Acierta en dos de cada tres y servirá para cribar fármacos rejuvenecedores, todavía lejos de la consulta.
Ratones, núcleos y fármacos
- 1.103 núcleos de células madre de la médula de 74 ratones: jóvenes de 10 a 16 semanas y viejos de más de 80.
- Acierto medio del 68 %; capacidad de separar jóvenes y viejas (AUROC) de 0,77.
- Dos compuestos epigenéticos llevaron las células viejas a una puntuación de juventud igual a la de las jóvenes.
- Código e imágenes 3D, en abierto para cualquier laboratorio.
Ningún especialista sabría decir, mirando al microscopio, si una célula madre de la médula ósea procede de un ratón joven o de uno viejo. Los cambios en cómo se pliega el ADN dentro del núcleo son demasiado sutiles para el ojo. Una red neuronal entrenada en Barcelona sí lo distingue, y además explica en qué se fija.
Se llama ChromAgeNet y se presentó el 27 de septiembre en la revista Aging Cell. El trabajo lo codirigen Maria Carolina Florian, investigadora ICREA del programa de Medicina Regenerativa del Instituto de Investigación Biomédica de Bellvitge (IDIBELL), y Paula Petrone, investigadora del Barcelona Supercomputing Center (BSC-CNS) y del Instituto de Salud Global de Barcelona (ISGlobal). Es el núcleo de la tesis doctoral de Pablo Iáñez Picazo, investigador de ISGlobal.
Las células madre hematopoyéticas fabrican durante toda la vida los glóbulos rojos, las plaquetas y las defensas. Con los años producen menos y peor, y ese desgaste se asocia al debilitamiento del sistema inmunitario, a la inflamación crónica de bajo grado y a varias enfermedades propias de la edad. Medir cuánto han envejecido es el primer paso para saber si un tratamiento las rejuvenece.
Un 68 % o un 77 %, según quién lo cuente
La cifra de acierto baila entre medios. Euronews habla de un 68 % de células bien clasificadas; la nota difundida por el IDIBELL y recogida por la prensa científica, de un 77 %. Las dos son correctas y salen del mismo artículo, pero miden cosas distintas.
El 68 % es la exactitud media: de cada cien núcleos, el modelo etiqueta bien unos 68. El 77 % corresponde al AUROC de 0,77, que indica con qué probabilidad el sistema da más "puntuación de juventud" a una célula joven que a una vieja si se le presentan las dos a la vez. Por separado, reconoce mejor a las jóvenes (78 %) que a las viejas (61 %), porque el envejecimiento no avanza igual en todas.
Cómo se entrenó el modelo (pulsa para desplegar)
El equipo fotografió en 3D, con microscopía confocal, núcleos de células madre teñidos con DAPI, un colorante fluorescente barato y de uso rutinario que marca el ADN. Cada núcleo se cortó en láminas (más de 81.000 imágenes en total), la red puntuó cada lámina y luego promedió el resultado de todo el núcleo. Se validó en cinco tandas, separando siempre los núcleos de entrenamiento de los de prueba. El modelo, con unos 350.000 parámetros, superó a los métodos clásicos basados en medidas definidas a mano (AUROC de 0,73).
El borde del núcleo, la pista
ChromAgeNet es una IA "explicable": permite ver qué zonas de la imagen pesan en su decisión. En las células jóvenes, la cromatina (el ADN empaquetado con sus proteínas) forma una línea fina y continua pegada a la envoltura del núcleo. En las viejas aparecen grumos grandes y redondeados y un borde grueso e irregular, señal de desorden.
Ese desorden se puede medir. Los autores identifican tres marcadores: la entropía de la cromatina, la heterocromatina de la periferia y unos condensados de material genético que cambian con la edad.
Cuatro compuestos a prueba
Como prueba de concepto, el equipo trató células madre viejas con cuatro compuestos que actúan sobre el empaquetado del ADN y pidió a la IA que las puntuara de 0 (aspecto viejo) a 1 (aspecto joven). Los dos inhibidores de la metilación de la histona H3K9 dieron el salto mayor:
| Células | Puntuación de juventud |
|---|---|
| Viejas sin tratar | 0,34 |
| Viejas + CASIN | 0,40 |
| Viejas + Rhosin | 0,48 |
| Viejas + IOX1 | 0,55 |
| Viejas + UNC0646 | 0,56 |
| Jóvenes sin tratar (referencia) | 0,55 |
Fuente: Iáñez Picazo et al., Aging Cell (2026), tabla S6. Media por núcleo, escala de 0 a 1.
El dato tiene letra pequeña. Que la cromatina parezca joven no demuestra que la célula haya recuperado su función, y los propios autores advierten de que hará falta comprobarlo con pruebas funcionales y con otros relojes biológicos independientes. CASIN, por cierto, no es nuevo para este laboratorio: en 2012 Florian ya lo vinculó al rejuvenecimiento de estas células en Cell Stem Cell.
Del ratón a la persona, sin fecha
Todo el trabajo se ha hecho con ratones de un mismo animalario, dos microscopios y tres investigadores. El artículo reconoce que la herramienta debe validarse con imágenes tomadas en otros centros y con otros equipos, y que la edad que se le enseñó es la cronológica, no la biológica. Adaptarla a células humanas exigirá reentrenarla, porque la cromatina humana no se organiza igual.
Florian ha explicado a Euronews que su grupo ya trabaja en esa versión humana y que busca más financiación europea. Petrone pone el freno: "Hemos de ser muy cautos para no sobreestimar nuestros resultados", y recuerda que estas tecnologías tardan años en validarse antes de llegar a la clínica.
El equipo del IDIBELL suma esta herramienta a una línea que ya había dado otro resultado: en noviembre de 2025 presentó un tratamiento experimental que, en modelos animales y fuera del organismo, devolvía a un estado más joven las células madre de la sangre. El estudio de ChromAgeNet se ha financiado con una ayuda del Consejo Europeo de Investigación (ERC), proyectos del Ministerio de Ciencia, la Fundación "la Caixa" y fondos NextGenerationEU.
Lo siguiente: células humanas
El próximo hito es comprobar si esta firma del envejecimiento aparece también en células madre humanas y si la IA sirve para seleccionar compuestos que la corrijan. El grupo no ha dado plazos. Mientras tanto, cualquier laboratorio puede descargar el modelo y el banco de imágenes, algo poco habitual en este campo, donde apenas hay datos públicos de estas células.
Para leer el estudio
Artículo: "Deep Learning Predicts Hematopoietic Stem Cell Aging From 3D Chromatin Images", Aging Cell, 27 de septiembre de 2026. Acceso abierto: PubMed Central · DOI 10.1111/acel.70656
Código: GitHub (biomedical-data-science/chromagenet)
Imágenes 3D: repositorio CORA
Más en La Crónica del Henares: Envejecimiento · Inteligencia artificial · Ciencia
Fuentes consultadas
- Iáñez Picazo P., Mejía-Ramírez E., Di Bari D., Vitali E., Florian M. C. y Petrone P. (2026). "Deep Learning Predicts Hematopoietic Stem Cell Aging From 3D Chromatin Images". Aging Cell, 25(10): e70656. Texto completo en PubMed Central.
- Nota del IDIBELL reproducida por SciTechDaily: "AI Can Detect Hidden Signs of Aging in the 3D Architecture of DNA", 3 de octubre de 2026. Enlace.
- News-Medical: "New artificial intelligence tool identifies aging patterns in hematopoietic stem cells", 28 de septiembre de 2026. Enlace.
- Euronews (Escarlata Sánchez): "Un equipo científico de Barcelona crea una IA que detecta el envejecimiento en las células madre de la sangre", 9 de octubre de 2026, con declaraciones de Florian y Petrone.
- Ara: "Una IA catalana detecta las huellas del envejecimiento en las células madre de la sangre", 28 de septiembre de 2026. Enlace.
- EFE (vía Infobae): "Una terapia experimental logra rejuvenecer las células madre de la sangre", 24 de noviembre de 2025. Enlace.
