En esta era de "big data", la inteligencia artificial IA se ha convertido en un aliado valioso 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. PeroA 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. Inspirados en la forma en que las neuronas se conectan y ramifican en el cerebro, los ANN son los cimientos computacionales para el aprendizaje automático avanzado. Y a pesar de su nombre, los ANN no se utilizan exclusivamente para estudiar cerebros.
Los biólogos, como Tareen y Kinney, usan ANN para analizar datos de un método experimental llamado "ensayo de indicador masivamente paralelo" MPRA que investiga el ADN. Con estos datos, los biólogos cuantitativos pueden hacer ANN que predicen qué moléculas controlan genes específicos enun 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 trastorno y la enfermedad.
"Ese conocimiento mecanicista, comprender cómo funciona algo como la regulación de genes, es muy a menudo la diferencia entre poder desarrollar terapias moleculares contra enfermedades y no poder", dijo Kinney.
Desafortunadamente, la forma en que los ANN estándar se forman a partir de los 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 la forma en que piensan los biólogos. Crearon ANN personalizadas que reflejan matemáticamente conceptos comunes en biología con respecto a los genes y las moléculas que los controlan. De esta manera, el par esesencialmente obligando a sus algoritmos de aprendizaje automático a procesar datos de una manera que un biólogo pueda entender.
Estos esfuerzos, explicó Kinney, resaltan cómo las tecnologías modernas de IA industrial pueden optimizarse para su uso en las ciencias de la vida. Habiendo verificado esta nueva estrategia para hacer ANN personalizados, el laboratorio de Kinney la está aplicando en la investigación de una amplia variedad de sistemas biológicos, incluyendocircuitos genéticos clave involucrados en enfermedades humanas.
Fuente de la historia :
Materiales proporcionado por Laboratorio Cold Spring Harbor . Original escrito por Brian Stallard. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :