El sistema inmunitario usa una especie de aprendizaje automático para seleccionar células

   MADRID, 28 Ago. Agencias –

   Un estudio del Laboratorio Cold Spring Harbor (EEUU), publicado en ‘Science Advances’, sugiere que el sistema inmunitario lleva a cabo la selección negativa mediante un proceso de generalización biológica, un mecanismo que le permite distinguir y eliminar células potencialmente dañinas.

   En el timo, las células T del sistema inmunitario se entrenan para evitar atacar los tejidos sanos mediante un proceso llamado selección negativa. Allí, se comprueba si las células T se unen a fragmentos de las propias proteínas del cuerpo, llamados autopéptidos. Aquellas que lo hacen son eliminadas inmediatamente. Sin embargo, cada célula T solo encuentra una pequeña fracción de la enorme cantidad de autopéptidos que abundan en todo el cuerpo. Por ello, los investigadores se preguntaron cómo aprende el sistema inmunitario a tolerar el resto.

   «Esta ha sido una incógnita en inmunología desde hace mucho tiempo. La selección negativa es un proceso crucial, pero si las células T tuvieran que analizar cada uno de los péptidos del cuerpo, tardarían una eternidad. Entonces, ¿cómo aprenden a evitar el daño colateral? Creemos que es mediante un proceso llamado generalización», ha explicado Hannah Meyer, profesora adjunta del Laboratorio Cold Spring Harbor.

   Por su parte, Saket Navlakha, profesor asociado del laboratorio, ha indicado que el aprendizaje automático se enfrenta constantemente al problema de la generalización. Por ejemplo, para crear un modelo que pueda detectar perros, no es necesario entrenarlo con todas las imágenes de perros que hay en la web. «El aprendizaje automático nos dice que la generalización es posible, pero solo bajo ciertas condiciones. No es magia negra. Así que, intentemos analizar esta cuestión inmunológica desde esa perspectiva«, ha añadido.

   Meyer, Navlakha y su equipo descubrieron que el sistema inmunitario cumple dos condiciones clave necesarias para aprender mediante generalización. Primero, la abundancia de péptidos propios en el timo refleja fielmente su abundancia en los tejidos de todo el cuerpo. En términos de aprendizaje automático, los datos de entrenamiento se asemejan a los datos de prueba. Segundo, los receptores de células T presentan reactividad cruzada, lo que significa que un solo receptor puede reconocer varios péptidos similares, permitiendo que la célula T aprenda sobre péptidos con los que nunca entra en contacto directamente.

   El estudio demuestra que, mediante este proceso, el 90 por ciento de las células T autorreactivas pueden eliminarse correctamente en el timo, a pesar de que cada una solo entra en contacto con el 10 por ciento de los péptidos propios del organismo. Por lo tanto, la investigación del equipo sugiere que el sistema inmunitario logra la hazaña de la selección negativa mediante una especie de generalización biológica.

   Para profundizar en sus hallazgos, el equipo se preguntó si los fallos de este proceso de generalización podrían ayudar a explicar la autoinmunidad, un trastorno en el que el sistema inmunitario ataca erróneamente los tejidos sanos. Sorprendentemente, el modelo de IA del equipo reprodujo con precisión las características del síndrome poliendocrino autoinmune tipo 1, una enfermedad autoinmune poco común.

   «A esta línea de investigación la llamamos InmunoIA. No pretendemos crear una IA inspirada en el sistema inmunitario, sino que estudiamos cómo este resuelve problemas fundamentales del aprendizaje automático. Cuando empecemos a considerar el sistema inmunitario como un tipo diferente de IA, podríamos descubrir cosas sorprendentes sobre la salud y las enfermedades humanas», ha finalizado Navlakha.

CL11