Cómo el aprendizaje automático podría ayudar a desarrollar curas para COVID-19 y otras enfermedades

biomédicos descubrir las funciones de las proteínas que activan y desactivan los genes en las células, llamadas factores de transcripción. Este conocimiento podría facilitar el desarrollo de medicamentos para una amplia gama de enfermedades.

Al principio de la pandemia de COVID-19, los científicos que trabajaron en el código genético de las moléculas de ARN de las células de los pulmones y los intestinos encontraron que solo un pequeño grupo de células en estos órganos eran más vulnerables a ser infectadas por el SARS-CoV- 2 virus. Eso permitió a los investigadores concentrarse en bloquear la capacidad del virus para ingresar a estas células. Nuestra técnica podría facilitar a los investigadores la búsqueda de este tipo de información.

El conocimiento biológico con el que trabajamos proviene de este tipo de secuenciación de ARN, que brinda a los investigadores una instantánea de los cientos de miles de moléculas de ARN en una célula a medida que se traducen en proteínas. Una herramienta de aprendizaje automático ampliamente elogiada, la plataforma de análisis Seurat, ha ayudado a investigadores de todo el mundo a descubrir nuevas poblaciones de células en órganos sanos y enfermos. Esta herramienta de aprendizaje automático procesa datos de la secuenciación de ARN unicelular sin información previa sobre cómo funcionan estos genes y cómo se relacionan entre sí.

La gran idea

Combinamos un algoritmo de aprendizaje automático con el conocimiento obtenido de cientos de experimentos biológicos para desarrollar una técnica que permite a los investigadores biomédicos descubrir las funciones de las proteínas que activan y desactivan los genes en las células, llamadas factores de transcripción. Este conocimiento podría facilitar el desarrollo de medicamentos para una amplia gama de enfermedades.

Al principio de la pandemia de COVID-19, los científicos que trabajaron en el código genético de las moléculas de ARN de las células de los pulmones y los intestinos encontraron que solo un pequeño grupo de células en estos órganos eran más vulnerables a ser infectadas por el SARS-CoV- 2 virus. Eso permitió a los investigadores concentrarse en bloquear la capacidad del virus para ingresar a estas células. Nuestra técnica podría facilitar a los investigadores la búsqueda de este tipo de información.

El conocimiento biológico con el que trabajamos proviene de este tipo de secuenciación de ARN, que brinda a los investigadores una instantánea de los cientos de miles de moléculas de ARN en una célula a medida que se traducen en proteínas. Una herramienta de aprendizaje automático ampliamente elogiada, la plataforma de análisis Seurat, ha ayudado a investigadores de todo el mundo a descubrir nuevas poblaciones de células en órganos sanos y enfermos. Esta herramienta de aprendizaje automático procesa datos de la secuenciación de ARN unicelular sin información previa sobre cómo funcionan estos genes y cómo se relacionan entre sí.

¡La conferencia TNW está de vuelta, bebé!

¡Asegure su lugar hoy a precios súper anticipados!

Nuestra técnica adopta un enfoque diferente al agregar conocimientos sobre ciertos genes y tipos de células para encontrar pistas sobre los distintos roles de las células. Ha habido más de una década de investigación que identifica todos los objetivos potenciales de los factores de transcripción.

Armados con este conocimiento, usamos un enfoque matemático llamado inferencia bayesiana. En esta técnica, el conocimiento previo se convierte en probabilidades que se pueden calcular en una computadora. En nuestro caso, es la probabilidad de que un gen esté regulado por un factor de transcripción dado. Luego usamos un algoritmo de aprendizaje automático para averiguar la función de los factores de transcripción en cada una de las miles de células que analizamos.

Publicamos nuestra técnica, llamada Modelo de actividad del factor de transcripción de inferencia bayesiana, en la revista Genome Research y también hicimos que el software estuviera disponible gratuitamente para que otros investigadores puedan probarlo y usarlo.

Por que importa

Nuestro enfoque funciona en una amplia gama de tipos de células y órganos y podría usarse para desarrollar tratamientos para enfermedades como COVID-19 o Alzheimer. Los medicamentos para estas enfermedades difíciles de tratar funcionan mejor si se dirigen a las células que causan la enfermedad y evitan daños colaterales a otras células. Nuestra técnica facilita que los investigadores se concentren en estos objetivos.

¿Qué otras investigaciones se están realizando?

La secuenciación de ARN unicelular ha revelado cómo cada órgano puede tener 10, 20 o incluso más subtipos de células especializadas, cada una con funciones distintas. Un nuevo desarrollo muy interesante es la aparición de la transcriptómica espacial, en la que la secuenciación del ARN se realiza en una cuadrícula espacial que permite a los investigadores estudiar el ARN de las células en ubicaciones específicas de un órgano.

Un artículo reciente utilizó un enfoque de estadísticas bayesianas similar al nuestro para determinar los distintos roles de las células teniendo en cuenta su proximidad entre sí. Otro grupo de investigación combinó datos espaciales con datos de secuenciación de ARN de una sola célula y estudió las distintas funciones de las células vecinas.

Que sigue

Planeamos trabajar con colegas para usar nuestra nueva técnica para estudiar enfermedades complejas como la enfermedad de Alzheimer y COVID-19, trabajo que podría conducir a nuevos medicamentos para estas enfermedades. También queremos trabajar con colegas para comprender mejor la complejidad de las interacciones entre las células.