Identifican 165 genes vinculados al cáncer con inteligencia artificial

En Alemania han desarrollado un algoritmo que detecta más de 100 genes asociados con cáncer y procesos que beneficiarían a la creación de terapias personalizadas
identifican 165 genes vinculados cancer IA
[favorite_button]
Comentar

Un nuevo algoritmo puede predecir cuáles genes causarán cáncer, incluso si todavía no se han desarrollado mutaciones leves que sean consideradas como indicio. Esta herramienta fue diseñada por un grupo de expertos en Berlín (Alemania), quienes combinaron una amplia variedad de datos y los sometieron a análisis directo con inteligencia artificial.

El grupo investigador pertenece al Instituto Max Planck para la Genética Molecular (MPIMG, en inglés) y Instituto de Biología Computacional del Helmholtz Zentrum München. El modelo predictivo utiliza inteligencia artificial (utilizando el aprendizaje automático) para identificar 165 genes que hasta entonces eran desconocidos. A diferencia de las herramientas tecnológicas existentes, este innovador sistema también evalúa secuencias que ‘aparentemente’ carecen de anomalías.

Todos los genes recién identificados interactúan estrechamente con genes cancerígenos bien conocidos y han demostrado ser esenciales para la supervivencia de las células tumorales en experimentos de cultivo celular.

También le puede interesar: CONSUMO DE ALCOHOL OCASIONÓ UN PROMEDIO DE 85 MIL MUERTES ANUALES EN AMÉRICA

Un logro que acerca a la terapia personalizada en cáncer

Este algoritmo nombrado “EMOGI” (Integración de gráficos multiómicos explicables, en español), también logra explicar la relación en la maquinaria celular que hacen que un gen sea cancerígeno. En los hallazgos publicados en revista Nature Machine Intelligence, los datos del ADN contiene información sobre la metilación, la actividad de los genes individuales y las interacciones de las proteínas dentro de las vías celulares y, por supuesto, las secuencias de ADN con mutaciones que derivan en cáncer.

“Idealmente, obtenemos una imagen completa de todos los genes del cáncer en algún momento, lo que puede tener un impacto diferente en la progresión del cáncer para diferentes pacientes”, indica en un comunicado Annalisa Marsico, líder del grupo investigador. Vale la pena destacar que en esta técnica, un algoritmo de aprendizaje profundo detecta los patrones y principios moleculares que conducen al desarrollo de la enfermedad.

Pero, ¿por qué se considera un avance destacado en los tratamientos para el cáncer? La respuesta para la mayoría no es desconocida. Los pacientes con cáncer deben someterse a alternativas agresivas, dolorosas e inciertas. En cambio, la terapia personalizada, los enfoques adaptan la medicación con precisión al tipo de tumor. “El objetivo es seleccionar la mejor terapia para cada paciente, es decir, el tratamiento más eficaz con el menor número de efectos secundarios. Además, podríamos identificar los cánceres ya en fases tempranas, basándonos en sus características moleculares”.

Inteligencia artificial cancer
Fuente: Nature Machine Intelligence

El nuevo programa de los investigadores añade un número considerable de nuevas entradas a la lista de genes sospechosos de cáncer, que ha crecido hasta alcanzar entre 700 y 1.000 en los últimos años. Solo mediante una combinación de análisis bioinformáticos y los más novedosos métodos de Inteligencia Artificial (IA), los investigadores pudieron rastrear los genes ocultos.

A todas las posibilidades, los expertos añaden la ayuda de la inteligencia artificial como elemento fundamental para descubrir incluso aquellas conexiones de trenes que antes habían pasado desapercibidas. En los datos se esconden muchos más detalles interesantes. “Vemos patrones que dependen del cáncer y del tejido concretos“, menciona Marsico. “Vemos esto como una prueba de que los tumores se desencadenan por diferentes mecanismos moleculares en diferentes órganos”.

El programa EMOGI no se limita al cáncer, subrayan los investigadores. El algoritmo puede utilizarse para integrar diversos conjuntos de datos biológicos y encontrar patrones en ellos. “Podría ser útil aplicar nuestro algoritmo a enfermedades igualmente complejas para las que se recogen datos multifacéticos y en las que los genes desempeñan un papel importante. Un ejemplo podrían ser las enfermedades metabólicas complejas como la diabetes”.

También le puede interesar: PROYECTO DE LA UNAL EDUCA A PACIENTES Y CUIDADORES SOBRE LAS UCI

Temas relacionados

Compartir Noticia

Facebook
Twitter
LinkedIn
WhatsApp
Noticias destacadas
Más Noticias

Escríbanos y uno de nuestros asesores le contactará pronto

Reciba atención inmediata mediante nuestros canales oficiales aquí:

Tu carrito de compras está vacío.

Volver a la tienda