Una imagen microscópica de un tejido es como un mapa de una ciudad: calles, casas, parques. Un ojo experimentado puede decir mucho sobre la vida de un barrio a partir de ese mapa. Pero, ¿y si con el mapa se pudiera predecir en qué casas hay ruido hoy y en cuáles hay silencio? En biología existe un problema similar: a partir de una imagen ordinaria de un tejido teñido con un colorante estándar (hematoxilina y eosina), los científicos quieren saber qué genes están activos en cada punto. Normalmente, para ello se utiliza el costoso método de transcriptómica espacial, que proporciona una imagen precisa pero funciona lentamente y es caro. El nuevo enfoque, CHRep, permite hacer lo mismo a partir de una imagen ordinaria, de forma rápida y barata.

CHRep funciona en dos etapas. Primero aprende a ver la estructura del tejido: cómo están dispuestas las células, dónde hay agrupaciones densas, dónde hay huecos. Es como aprender a leer un mapa, recordando que un parque suele ser verde y un río azul. Luego, cuando el modelo se aplica a imágenes de otro laboratorio (donde la iluminación o la tinción pueden variar ligeramente), se activa la calibración. Esta se asemeja al ajuste de una radio antigua: sin cambiar todo el circuito, se gira una perilla para que la señal se vuelva nítida. Gracias a esto, CHRep es robusto frente a las diferencias entre hospitales y laboratorios.

Esta herramienta podría acelerar la investigación en grandes grupos de pacientes y ayudar a los médicos a diagnosticar más rápidamente a partir de biopsias ordinarias. En lugar de un análisis costoso y prolongado, una simple imagen y una predicción precisa.