Cómo funciona RegVelo
RegVelo es un modelo de deep learning que une métodos de velocidad de ARN con inferencia de redes génico-reguladoras, permitiendo simular perturbaciones in silico y reconstruir tiempos latentes en el desarrollo celular. La herramienta estima tasas de transcripción, splicing y degradación del ARN, al tiempo que infiere interacciones reguladoras que dirigen cambios fenotípicos.
Aplicación en pez cebra
En el desarrollo del neural crest del pez cebra, RegVelo predijo que tfec actúa como impulsor temprano de la formación de células pigmentarias, una hipótesis validada experimentalmente. El modelo también identificó elf1 como un regulador previamente desconocido en la diferenciación de esas células, demostrando capacidad predictiva más allá de descripciones estáticas.
Validación experimental
Las predicciones de perturbación de RegVelo se confirmaron mediante knockout con CRISPR/Cas9 y Perturb-seq en células individuales, mostrando efectos downstream consistentes con las simulaciones computacionales. Ese ciclo de predicción, simulación y validación experimental destaca la utilidad del modelo como herramienta para priorizar hipótesis en biología del desarrollo.
Alcance y limitaciones
El marco se aplicó también a hematopoyesis humana y endocrinogénesis pancreática en ratón, con superioridad predictiva frente a métodos separados de dinámica o GRN. Aunque simplifica supuestos sobre tiempo latente y costo computacional, RegVelo representa un avance hacia biología del desarrollo predictiva.
Implicaciones futuras
Los autores describen RegVelo como un paso hacia células virtuales completas, con aplicaciones en trastornos del desarrollo, progresión tumoral y terapias regenerativas basadas en células madre. La capacidad para incorporar capas multimodales como cromatina o actividad proteica amplía su potencial en modelado biológico.
La imagen muestra células pigmentarias en pez cebra capturadas por microscopía fluorescente en 3D, ilustrando la complejidad de linajes como los estudiados con RegVelo.
