Una red neuronal artificial puede revelar patrones en grandes cantidades de datos de expresión génica y descubrir grupos de genes relacionados con enfermedades. Esto ha sido demostrado por un nuevo estudio dirigido por investigadores de la Universidad de Linköping, publicado en Comunicaciones de la naturaleza . Los científicos esperan que el método eventualmente pueda aplicarse dentro de la medicina de precisión y el tratamiento individualizado.
Al usar las redes sociales, es común que la plataforma sugiera personas a las que desee agregar como amigos. La sugerencia se basa en que usted y la otra persona tienen contactos comunes, lo que indica que pueden conocerse entre sí. De manera similar,Los científicos están creando mapas de redes biológicas basadas en cómo las diferentes proteínas o genes interactúan entre sí. Los investigadores detrás de un nuevo estudio han utilizado inteligencia artificial, IA, para investigar si es posible descubrir redes biológicas utilizando el aprendizaje profundo, en qué entidades se conocencomo "redes neuronales artificiales" se entrenan con datos experimentales. Dado que las redes neuronales artificiales son excelentes para aprender a encontrar patrones en enormes cantidades de datos complejos, se utilizan en aplicaciones como el reconocimiento de imágenes. Sin embargo, este método de aprendizaje automático ha tenido hasta ahorarara vez se ha utilizado en investigación biológica.
"Por primera vez hemos utilizado el aprendizaje profundo para encontrar genes relacionados con enfermedades. Este es un método muy poderoso en el análisis de grandes cantidades de información biológica, o 'big data'", dice Sanjiv Dwivedi, postdoc en el Departamentode Física, Química y Biología IFM en la Universidad de Linköping.
Los científicos utilizaron una gran base de datos con información sobre los patrones de expresión de 20,000 genes en una gran cantidad de personas. La información estaba "sin clasificar", en el sentido de que los investigadores no dieron a la red neuronal artificial información sobre qué patrones de expresión génicaprovenían de personas con enfermedades y de personas sanas. El modelo de IA fue entrenado para encontrar patrones de expresión génica.
Uno de los desafíos del aprendizaje automático es que no es posible ver exactamente cómo una red neuronal artificial resuelve una tarea. La IA a veces se describe como una "caja negra": solo vemos la información que ponemos en la cajay el resultado que produce. No podemos ver los pasos intermedios. Las redes neuronales artificiales consisten en varias capas en las cuales la información se procesa matemáticamente. La red comprende una capa de entrada y una capa de salida que entrega el resultado del procesamiento de información realizado por elsistema. Entre estas dos capas hay varias capas ocultas en las que se realizan los cálculos. Cuando los científicos entrenaron la red neuronal artificial, se preguntaron si era posible, por así decirlo, levantar la tapa de la caja negra y comprendercómo funciona. ¿Son similares los diseños de la red neuronal y las redes biológicas familiares?
"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. Esextremadamente interesante que este tipo de agrupación biológicamente relevante se produzca 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 luego investigaron si su modelo de expresión génica podría usarse para determinar qué patrones de expresión génica están asociados con la enfermedad y cuáles son normales. Confirmaron que el modelo encuentra patrones relevantes que concuerdan bien con los mecanismos biológicos en el cuerpo.el modelo ha sido entrenado utilizando datos no clasificados, es posible que la red neuronal artificial haya encontrado patrones totalmente nuevos. Los investigadores planean ahora investigar si tales patrones previamente desconocidos son relevantes desde una perspectiva biológica.
"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 fácilesgeneralizar y eso puede usarse para muchos tipos diferentes de información biológica ", dice Mika Gustafsson.
Mika Gustafsson espera que una estrecha colaboración con investigadores médicos le permita aplicar el método desarrollado en el estudio en medicina de precisión. Puede ser posible, por ejemplo, determinar qué grupos de pacientes deben recibir cierto tipo de medicamento o identificarlos pacientes más afectados
El estudio recibió apoyo financiero de la Fundación Sueca para la Investigación Estratégica SSF y el Consejo Sueco de Investigación.
Fuente de la historia :
Materiales proporcionado por Universidad de Linköping . Original escrito por Karin Söderlund Leifler; traducido por George Farrants. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :