biotecnologóa, IA, inteligencia artificial, expresión genética
 |
| Investigadores de la Universidad de Columbia han desarrollado un método de inteligencia artificial capaz de predecir la actividad genética en cualquier célula humana, lo que ofrece información sobre los mecanismos celulares y permite avanzar en la comprensión de enfermedades como el cáncer. Al entrenarse con datos de millones de células, este sistema permite realizar predicciones precisas, revelando interacciones genéticas y procesos genómicos previamente ocultos, lo que podría transformar la biología en una ciencia predictiva. |
Los investigadores de Columbia crearon un modelo de inteligencia artificial que predice la actividad genética en cualquier célula humana, lo que hace avanzar la investigación y el tratamiento de enfermedades. Ya ha descubierto los mecanismos que se esconden detrás de la leucemia pediátrica y podría revelar funciones ocultas del genoma.
18 enero 2025.- Los investigadores de la Facultad de Medicina y Cirujanos Vagelos de la Universidad de Columbia han desarrollado un nuevo método de inteligencia artificial que predice con precisión la actividad genética en cualquier célula humana, revelando esencialmente los mecanismos internos de la célula. Este sistema, que se detalla en el último número de la revista Nature , tiene el potencial de revolucionar la forma en que los científicos estudian el cáncer, los trastornos genéticos y otras enfermedades.
“Los modelos computacionales predictivos generalizables permiten descubrir procesos biológicos de forma rápida y precisa. Estos métodos pueden llevar a cabo experimentos computacionales a gran escala de manera eficaz, impulsando y guiando los enfoques experimentales tradicionales”, afirma Raul Rabadan, profesor de biología de sistemas y autor principal del nuevo artículo.
Los métodos tradicionales de investigación en biología son buenos para revelar cómo las células realizan su trabajo o reaccionan a las perturbaciones, pero no pueden hacer predicciones sobre cómo funcionan las células o cómo reaccionarán a los cambios, como una mutación que causa cáncer.
“Poder predecir con precisión las actividades de una célula transformaría nuestra comprensión de los procesos biológicos fundamentales.. Convertiría a la biología, que dejaría de ser una ciencia que describe procesos aparentemente aleatorios, en una ciencia capaz de predecir los sistemas subyacentes que rigen el comportamiento celular”, afirma Rabadan.
En los últimos años, la acumulación de cantidades masivas de datos de células y modelos de IA más potentes están empezando a transformar la biología en una ciencia más predictiva. El Premio Nobel de Química de 2024 se otorgó a investigadores por su trabajo pionero en el uso de la IA para predecir las estructuras de las proteínas. Pero el uso de métodos de IA para predecir las actividades de los genes y las proteínas dentro de las células ha demostrado ser más difícil.
Un nuevo método de inteligencia artificial predice la expresión genética en cualquier célula
En el nuevo estudio, Rabadan y sus colegas intentaron utilizar la inteligencia artificial para predecir qué genes están activos en células específicas. Esta información sobre la expresión genética puede indicar a los investigadores la identidad de la célula y cómo realiza sus funciones.
“Los modelos anteriores se han entrenado con datos de tipos de células particulares, generalmente líneas celulares cancerosas o algo que tiene poca semejanza con las células normales”, dice Rabadan. Xi Fu, un estudiante de posgrado en el laboratorio de Rabadan, decidió adoptar un enfoque diferente y entrenar un modelo de aprendizaje automático con datos de expresión genética de millones de células obtenidas de tejidos humanos normales. Los datos de entrada consistían en secuencias genómicas y datos que mostraban qué partes del genoma son accesibles y se expresan.
El enfoque general se asemeja al funcionamiento de ChatGPT y otros modelos de “base” populares. Estos sistemas utilizan un conjunto de datos de entrenamiento para identificar reglas subyacentes, la gramática del lenguaje, y luego aplican esas reglas inferidas a nuevas situaciones. “Aquí es exactamente lo mismo: aprendemos la gramática en muchos estados celulares diferentes y luego pasamos a una condición particular (puede ser un tipo de célula enfermo o normal) y podemos intentar ver qué tan bien predecimos patrones a partir de esta información”, dice Rabadan.
Fu y Rabadan pronto reclutaron a un equipo de colaboradores, entre ellos los coautores Alejandro Buendia, ahora estudiante de doctorado de Stanford y extrabajador del laboratorio de Rabadan, y Shentong Mo de Carnegie Mellon, para entrenar y probar el nuevo modelo.
Después del entrenamiento con datos de más de 1,3 millones de células humanas, el sistema se volvió lo suficientemente preciso como para predecir la expresión genética en tipos de células que nunca había visto, produciendo resultados que coincidían estrechamente con los datos experimentales.
Nuevos métodos de inteligencia artificial revelan factores desencadenantes del cáncer pediátrico
A continuación, los investigadores demostraron el poder de su sistema de IA cuando le pidieron que descubriera la biología aún oculta de las células enfermas, en este caso, una forma hereditaria de leucemia pediátrica.
"Estos niños heredan un gen que está mutado, y no estaba claro exactamente qué es lo que estaban haciendo estas mutaciones", dice Rabadan, quien también codirige el programa de investigación de genómica y epigenómica del cáncer en el Centro Oncológico Integral Herbert Irving de Columbia.
Con la IA, los investigadores predijeron que las mutaciones alteran la interacción entre dos factores de transcripción diferentes que determinan el destino de las células leucémicas. Los experimentos de laboratorio confirmaron la predicción de la IA. Comprender el efecto de estas mutaciones revela mecanismos específicos que impulsan esta enfermedad.
La IA podría revelar “materia oscura” en el genoma
Los nuevos métodos computacionales también deberían permitir a los investigadores comenzar a explorar el papel de la “materia oscura” del genoma (un término tomado de la cosmología que se refiere a la gran mayoría del genoma, que no codifica genes conocidos) en el cáncer y otras enfermedades.
La gran mayoría de las mutaciones que se encuentran en los pacientes con cáncer se encuentran en las llamadas regiones oscuras del genoma. Estas mutaciones no afectan la función de una proteína y han permanecido en su mayor parte sin explorar. La idea es que, utilizando estos modelos, podamos observar las mutaciones y arrojar luz sobre esa parte del genoma.
Rabadan ya está trabajando con investigadores de Columbia y otras universidades, explorando diferentes tipos de cáncer, desde el cáncer cerebral hasta el cáncer de sangre, aprendiendo la gramática de la regulación en células normales y cómo las células cambian en el proceso de desarrollo del cáncer.
El trabajo también abre nuevas vías para comprender muchas enfermedades más allá del cáncer y potencialmente identificar objetivos para nuevos tratamientos. Al presentar mutaciones novedosas al modelo informático, los investigadores ahora pueden obtener conocimientos y predicciones más profundos sobre cómo exactamente esas mutaciones afectan a una célula.
Siguiendo los pasos de otros avances recientes en inteligencia artificial para la biología, Rabadan ve el trabajo como parte de una tendencia importante: "Es realmente una nueva era en biología que es extremadamente emocionante; transformando la biología en una ciencia predictiva".
Fuente: “A foundation model of transcription across human cell types” by Xi Fu, Shentong Mo, Alejandro Buendia, Anouchka P. Laurent, Anqi Shao, Maria del Mar Alvarez-Torres, Tianji Yu, Jimin Tan, Jiayu Su, Romella Sagatelian, Adolfo A. Ferrando, Alberto Ciccia, Yanyan Lan, David M. Owens, Teresa Palomero, Eric P. Xing and Raul Rabadan, 8 January 2025, Nature.
DOI: 10.1038/s41586-024-08391-z
COMENTARIOS