TL;DR:
- Investigadores del Max Delbrück Center crearon Malva, una plataforma que busca secuencias de ARN en datos de célula única sin usar un genoma de referencia.
- El índice en expansión reúne alrededor de 74 millones de células; una búsqueda de un transcrito de 1,000 bases tardó cerca de 0.9 segundos en las pruebas.
- Malva puede localizar mutaciones, isoformas y secuencias de patógenos, pero entrega pseudoconteos y sus resultados requieren controles y validación según la tarea.
Un equipo del Max Delbrück Center de Berlín desarrolló Malva, una plataforma capaz de buscar secuencias de ARN en datos de unos 74 millones de células procedentes de miles de experimentos. El sistema consulta la información a nivel de secuencia, sin depender de un genoma de referencia, y puede localizar mutaciones, variantes de ARN y material de patógenos que los atlas centrados en genes suelen dejar fuera. Daniel León-Periñán, Nikos Karaiskos y Nikolaus Rajewsky describieron la herramienta en un artículo de investigación publicado el 26 de agosto de 2026 en Nature. El avance reduce consultas que antes exigían descargar y reprocesar grandes archivos, pero no convierte sus resultados en diagnósticos ni sustituye la validación de laboratorio.
Un índice que conserva información más allá de los genes
La secuenciación de ARN de célula única permite observar qué moléculas de ARN aparecen en cada célula, en lugar de promediar la actividad de un tejido completo. El problema llega después: los repositorios públicos crecen a escala de petabytes y los flujos convencionales suelen alinear las lecturas contra una referencia para resumirlas como conteos por gen.
Ese resumen es útil para muchas preguntas, pero puede ocultar secuencias que no encajan en la referencia, mutaciones, empalmes alternativos, isoformas de ARN o material viral, bacteriano y fúngico. Recuperar esa capa exige volver a los archivos sin procesar, descargarlos y analizarlos otra vez, una carga fuera del alcance de muchos laboratorios.
Malva divide las lecturas en fragmentos cortos llamados k-mers y guarda qué células contienen cada uno. Una consulta puede comenzar con una secuencia de nucleótidos, un identificador de gen o una instrucción en lenguaje natural. El sistema devuelve coincidencias junto con metadatos sobre células, muestras, tejidos y estados de enfermedad cuando esa información existe.
La comparación con Google ayuda a explicar la experiencia de búsqueda, no el alcance médico. Malva indexa datos científicos previamente generados; no examina el cuerpo de un paciente en tiempo real ni determina por sí sola la causa de una enfermedad.
De 140 TB a consultas que tardan menos de un segundo
Para construir la versión evaluada, el equipo procesó más de 140 TB de datos públicos de transcriptómica de célula única y espacial. El índice humano de ese análisis, identificado como v2025.04a, contenía más de 100,000 millones de secuencias únicas de 24 nucleótidos, procedentes de aproximadamente 51 millones de células, 592 estudios y 7,966 muestras. También incorporaba cerca de 10 millones de células de ratón.
El resumen actualizado del artículo señala que el índice continuo ya ronda los 74 millones de células. Las cifras no describen el mismo corte temporal: Malva añade nuevos conjuntos de datos sin reconstruir todo el recurso.
En las pruebas reportadas por los autores, consultar un solo k-mer tomó alrededor de 70 milisegundos. La búsqueda de un transcrito de 1,000 bases tardó cerca de 0.9 segundos, mientras que consultar 1,000 transcritos requirió aproximadamente un minuto con un núcleo de CPU. La velocidad depende de que la información ya haya sido indexada.
El equipo probó la plataforma con variantes genéticas, mutaciones somáticas en 16 tipos de cáncer, isoformas y secuencias virales o microbianas. Los resultados mostraron una fuerte correlación con conteos obtenidos mediante métodos basados en referencia y conservaron patrones de tipos celulares y organización espacial. Eso demuestra utilidad computacional en los conjuntos evaluados, no eficacia clínica en pacientes.
Las coincidencias exactas también dejan huecos
Malva acepta consultas de al menos 24 nucleótidos y busca coincidencias exactas. Ese diseño favorece la rapidez, pero puede perder sensibilidad cuando los datos contienen muchos errores. Sus pseudoconteos reflejan coincidencias de k-mers, no cantidades absolutas de moléculas, por lo que los autores piden controles de calidad, cuantificación o validación adicional según la pregunta científica.
La cobertura también depende de lo que exista en los repositorios públicos. Muchos conjuntos usan lecturas cortas con sesgo hacia un extremo del ARN y los metadatos espaciales pueden estar incompletos o ser difíciles de normalizar. El paper añade una reserva de privacidad: una búsqueda en datos transcriptómicos humanos podría revelar información genética específica de donantes.
La plataforma está disponible para investigadores académicos mediante una cuenta ORCID. El código de los algoritmos fue publicado para investigación académica no comercial, no diagnóstica y no clínica. Los tres autores figuran como inventores en una solicitud de patente relacionada con el trabajo, presentada por el Max Delbrück Center, y la institución informó que exploran la creación de una empresa alrededor de la tecnología.
Malva abre una vía para consultar experimentos celulares a una escala que antes exigía infraestructura especializada. Su valor inmediato está en acelerar la formulación y comprobación de hipótesis dentro de datos públicos; cualquier salto hacia decisiones médicas necesitará evidencia clínica, salvaguardas de privacidad y validación independiente.
