El aprendizaje automático descubre genes previamente desconocidos en un nuevo estudio dirigido por la UNM

En un estudio innovador realizado por investigadores de la Universidad de Nuevo México, Los científicos han aprovechado el poder del aprendizaje automático para identificar un conjunto de genes previamente desconocidos asociados con la autofagia, un proceso celular vital involucrado en el reciclaje y el mantenimiento de la salud celular.

Aprovechando un modelo de aprendizaje automático de última generación, el estudio identificó 193 genes como posibles contribuyentes a la maquinaria de autofagia. Estos "genes oscuros" que antes se pasaban por alto representan vías prometedoras para desentrañar los misterios de la autofagia y su papel en el funcionamiento celular y enfermedades complejas como el Alzheimer, dijo la neurocientífica de la UNM, Elaine Bearer, MD, PhD.

“Esta es otra forma de ciencia imparcial basada en datos”, dijo Bearer. “Lo que el aprendizaje automático nos permite hacer es evitar las conjeturas y hacer ciencia de descubrimiento sin basarnos en hipótesis”.

El estudio, titulado "Autophagy Dark Genes: ¿Podemos encontrarlos con el aprendizaje automático?" fue publicado recientemente en la revista Ciencias Naturales, y tenía como objetivo identificar un conjunto de genes relacionados con la autofagia combinando diversas características biológicas y conjuntos de datos y conectando los datos en un algoritmo de inteligencia artificial.

“La idea era: '¿Podemos encontrar estos genes oscuros, ocultos y secretos con una investigación de inteligencia artificial?'”, dijo Bearer.

La respuesta es sí, el aprendizaje automático puede guiar la investigación genómica para obtener una anotación más completa de procesos complejos.

Pero el aprendizaje automático no es el final de la tarea, enfatiza Bearer. Una vez que la inteligencia artificial ha identificado algo, depende de los científicos validar tanto el proceso como los resultados.

Para lograr esto, un equipo de investigación de la UNM empleó el modelo de aprendizaje automático MetaPath/XGBoost (MPxgb), que se entrenó con datos de 17 fuentes diferentes. La investigación de investigación de inteligencia artificial comenzó en 2019, dirigida por Tudor Oprea, MD, PhD, exdirector de Detección de Informática para el Centro de Descubrimiento Molecular y Descubrimiento de Fármacos de la UNM y miembro del Centro Integral del Cáncer de la UNM.

Mohsen Ranjbar, PharmD, un estudiante de posgrado en química y biología química de la UNM, tomó la investigación de Oprea y realizó una búsqueda de validación, revisando la base de datos de autofagia y las bases de datos de publicaciones de investigación, como PubMed, para ver si el modelo demostró una alta precisión en distinguir ya- genes conocidos asociados a la autofagia.