Un nuevo estudio dirigido por investigadores de la Universidad de Linköping, y publicado en Nature Communications, comprobó que a través de una red neuronal se pueden revelar patrones en grandes cantidades de datos de expresión génica y descubrir grupos de genes relacionados con enfermedades. Los investigadores esperan que este descubrimiento tenga un uso preciso dentro de la medicina para la detección y tratamiento de enfermedades.
Cuando estás en Netflix, es común que el algoritmo seleccione contenido relacionado con tus gustos y te los recomiende. Los científicos están utilizando una tecnología similar creando mapas de redes biológicas basadas en cómo las diferentes proteínas o genes interactúan entre sí. Los investigadores de este estudio han utilizado inteligencia artificial para para investigar si es posible descubrir redes biológicas utilizando el aprendizaje profundo, en el que las entidades conocidas como “redes neuronales artificiales” se entrenan con datos experimentales.
Hasta ahora las redes neuronales artificiales habían sido implementadas en aplicaciones como el reconocimiento de imágenes, gracias a su capacidad para encontrar patrones en enormes cantidades de datos complejos. Pero ahora se ha utilizado el aprendizaje profundo para encontrar genes relacionados con enfermedades. Según Sanjiv Dwivedi, doctor en el Departamento de Física, Química y Biología (IFM) en la Universidad de Linköping, el método es muy poderoso en el análisis de grandes cantidades de información biológica o de datos.
Los científicos usaron datos sin clasificar de 20.000 genes correspondientes a una gran cantidad de personas. Los científicos no informaron al algoritmo cuáles eran los genes de personas sanas y cuáles eran los genes de personas enfermas. De ese modo, el modelo de IA fue entrenado para encontrar patrones de expresión génica.
La IA puede ser descrita a veces como una “caja negra” porque con las redes neuronales no es posible ver cómo resuelven una tarea, solo vemos el resultado que producen. Por eso cuando los científicos entrenaron la red neuronal artificial, se preguntaron si era posible, por así decirlo, levantar la tapa de la caja negra y comprender cómo funciona.
“Cuando analizamos nuestra red neuronal, resultó que la primera capa oculta representaba en gran medida las interacciones entre varias proteínas. Más profundo en el modelo, en contraste, en el tercer nivel, encontramos grupos de diferentes tipos de células. Es extremadamente interesante que este tipo de agrupación biológicamente relevante se produce automáticamente, dado que nuestra red ha comenzado a partir de datos de expresión génica no clasificados”, dice Mika Gustafsson, profesora titular de IFM y líder del estudio.
Los científicos encontraron que su modelo encuentra patrones relevantes que concuerdan bien con los mecanismos biológicos en el cuerpo. El algoritmo, que trabajó con datos no clasificados, encontró incluso patrones nuevos que ahora los científicos investigan si pueden ser relevantes genéticamente.
“Creemos que la clave para progresar en el campo es comprender la red neuronal. Esto puede enseñarnos cosas nuevas sobre contextos biológicos, como enfermedades en las que interactúan muchos factores. Y creemos que nuestro método proporciona modelos que son más fáciles de generalizar. Y eso puede usarse para muchos tipos diferentes de información biológica”, agrega Mika Gustafsson.
La perspectiva de esta investigación es que en un futuro próximo sea aplicable en estudios precisos dentro de la medicina.