La inteligencia artificial permite la identificación de nuevos genes relacionados con el cáncer

Una investigadora del Barcelona Supercomputing Center (BSC) ha liderado la creación de un método computacional basado en inteligencia artificial, biológicamente probado, que permite acelerar el proceso de identificación de nuevos genes relacionados con el cáncer.

El método ha sido testado en líneas celulares de cáncer de mama, próstata, pulmón y colon y los resultados han sido publicados en la revista Nature Communications. La profesora Pržulj utiliza técnicas de aprendizaje automático (machine learning) para relacionar grandes cantidades de datos ómicos y los recrea en un prototipo computacional que ha llamado Integrated Cell o iCell.

iCell fusiona 3 tipos de redes de interacción molecular específicas de cada tejido: interacción proteína-proteína, coexpresión de genes y redes de interacción genética. De aquí se obtienen gran cantidad de datos que se integran a través de técnicas machine learning. Para el estudio se han utilizado células de los 4 tipos de cáncer más comunes y las han comparado con células sanas de los mismos tejidos. Como resultado, se han encontrado 63 genes, de los cuales 36 están relacionados con el crecimiento celular irregular.

Entre otros descubrimientos, el experimento reveló que los pacientes con cáncer de mama y una expresión alta del gen que codifica para la proteína ribosomal mitocondrial MRPL3, tienen una supervivencia menor frente a aquellos que tienen una expresión normal. Antes de realizar este análisis, nunca se había relacionado esta proteína con el cáncer y su supervivencia. Es decir, esta técnica abre las puertas al descubrimiento de nuevos genes biomarcadores, que pueden ser relevantes en la estratificación y predicción de la supervivencia de los pacientes con cáncer.

La profesora Pržulj afirma que este método permite identificar genes relacionados con el cáncer que no aparecen como alterados en ningún otro tipo de datos. Además, allana el camino hacia análisis integrativos que permitan comparar todos los tipos de células del organismo frente a las mismas con alguna alteración. Las aplicaciones de esta técnica son innumerables, desde el tratamiento de otras enfermedades hasta el evenjecimiento celular.

Para más información recomendamos leer el documento de Biología de sistemas del Observatorio de Tendencias de Medicina Personalizada de Precición de Fundación Instituto Roche.


Fuente: Barcelona Supercomputing Center
Artículo original:  Malod-Dognin N, Petschnigg J, Windels S F. L., Povh J, Hemmingway H, Ketteler R & Pržulj N. Towards a data-integrated cell. Nature Communications, volume 10, Article number: 805 (2019)