En esta era de "big data", la inteligencia artificial (IA) se ha convertido en un valioso aliado para los científicos. Los algoritmos de aprendizaje automático, por ejemplo, están ayudando a los biólogos a dar sentido al vertiginoso número de señales moleculares que controlan cómo funcionan los genes. Pero a medida que se desarrollan nuevos algoritmos para analizar aún más datos, también se vuelven más complejos y más difíciles de interpretar. Los biólogos cuantitativos Justin B. Kinney y Ammar Tareen tienen una estrategia para diseñar algoritmos avanzados de aprendizaje automático que sean más fáciles de entender para los biólogos. Los algoritmos son un tipo de red neuronal artificial (ANN). Inspiradas en la forma en que las neuronas se conectan y ramifican en el cerebro, las ANN son las bases computacionales para el aprendizaje automático avanzado. Y a pesar de su nombre, los ANN no se usan exclusivamente para estudiar cerebros. Los biólogos, como Tareen y Kinney, usan ANN para analizar datos de un método experimental llamado "ensayo de reportero paralelo masivo" (MPRA) que investiga el ADN. Usando estos datos, los biólogos cuantitativos pueden hacer ANN que predicen qué moléculas controlan genes específicos en un proceso llamado regulación génica. Las células no necesitan todas las proteínas todo el tiempo. En cambio, dependen de mecanismos moleculares complejos para activar o desactivar los genes que producen proteínas, según sea necesario. Cuando esas regulaciones fallan, generalmente siguen el desorden y la enfermedad. "Ese conocimiento mecanicista, comprender cómo funciona algo como la regulación genética, es a menudo la diferencia entre poder desarrollar terapias moleculares contra enfermedades y no poder hacerlo", dijo Kinney. Desafortunadamente, la forma en que los ANN estándar se forman a partir de datos de MPRA es muy diferente de cómo los científicos hacen preguntas en las ciencias de la vida. Esta desalineación significa que a los biólogos les resulta difícil interpretar cómo se produce la regulación genética. Ahora, Kinney y Tareen desarrollaron un nuevo enfoque que cierra la brecha entre las herramientas computacionales y cómo piensan los biólogos. Crearon ANN personalizadas que reflejan matemáticamente conceptos comunes en biología sobre los genes y las moléculas que los controlan. De esta manera, la pareja está obligando esencialmente a sus algoritmos de aprendizaje automático a procesar datos de una manera que un biólogo pueda entender. Estos esfuerzos, explicó Kinney, destacan cómo las tecnologías modernas de IA industrial pueden optimizarse para su uso en las ciencias de la vida. Después de verificar esta nueva estrategia para hacer ANN personalizados, el laboratorio de Kinney la está aplicando en la investigación de una amplia variedad de sistemas biológicos, incluidos los circuitos genéticos clave involucrados en enfermedades humanas.
Comentarios