Investigadores de inteligencia artificial desarrollan una red neuronal explicativa para descubrir reglas genómicas

Un equipo de investigadores ha creado recientemente una red neuronal explicativa destinada a ayudar a los biólogos a descubrir las misteriosas reglas que gobiernan el código del genoma humano. El equipo de investigación entrenó una red neuronal en mapas de interacciones entre proteínas y ADN, lo que permitió a la inteligencia artificial descubrir cómo ciertas secuencias de ADN regulan ciertos genes. Los investigadores también hicieron que el modelo fuera explicativo, para que pudieran analizar las conclusiones del modelo y determinar cómo los motivos de secuencias regulan los genes.

Uno de los grandes misterios en biología es el código regulador del genoma. Se sabe que el ADN está compuesto por cuatro bases nucleotídicas – Adenina, Guanina, Timina y Citosina – pero no se sabe cómo se utilizan estas parejas de bases para regular la actividad. Las cuatro bases nucleotídicas codifican las instrucciones para construir proteínas, pero también controlan dónde y cómo se expresan los genes (cómo producen proteínas en un organismo). Combinaciones y disposiciones particulares de las bases crean secciones de código regulador que se unen a segmentos de ADN, y no se sabe qué son estas combinaciones.

Un equipo interdisciplinario de científicos informáticos y biólogos se propuso resolver este misterio creando una red neuronal explicativa. El equipo de investigación creó una red neuronal a la que llamaron “Red de pares de bases” o “BPNet”. El modelo utilizado por BPNet para generar predicciones puede interpretarse para identificar códigos reguladores. Esto se logró prediciendo cómo las proteínas llamadas factores de transcripción se unen con secuencias de ADN.

Los investigadores realizaron una variedad de experimentos y modelado computacional exhaustivo para determinar cómo los factores de transcripción y el ADN se unían, desarrollando un mapa detallado hasta el nivel de bases nucleotídicas individuales. Las representaciones detalladas de los factores de transcripción y el ADN permitieron a los investigadores crear herramientas capaces de interpretar tanto los patrones críticos de secuencias de ADN como las reglas que funcionan como código regulador.

Julia Zeitlinger, bióloga y investigadora computacional del PhD en la Universidad de Stanford, explicó que los resultados obtenidos de la red neuronal explicativa coincidieron con los resultados experimentales existentes, pero también contenían ideas sorprendentes sobre el código regulador del genoma. Por ejemplo, el modelo de inteligencia artificial permitió al equipo de investigación descubrir una regla que influye en cómo opera un factor de transcripción llamado Nanog. Cuando hay varias instancias del motivo Nanog en el mismo lado de una doble hélice de ADN, se unen de manera cooperativa al ADN. Como explicó Zeitlinger a través de ScienceDaily:

“Ha habido una larga serie de evidencia experimental de que tal periodicidad de motivos sometimes existe en el código regulador. Sin embargo, las circunstancias exactas eran esquivas, y Nanog no había sido sospechoso. Descubrir que Nanog tiene tal patrón, y ver detalles adicionales de sus interacciones, fue sorprendente porque no buscamos específicamente este patrón.”

El reciente artículo de investigación no es el primer estudio en utilizar inteligencia artificial para analizar el ADN, pero es probablemente el primer estudio en abrir la “caja negra” de la inteligencia artificial para discernir qué secuencias de ADN regulan genes en el genoma. Las redes neuronales excelan en encontrar patrones dentro de los datos, pero sus ideas son difíciles de extraer de los modelos que crean. Al crear un método para analizar qué características el modelo considera importantes para la predicción de reglas genómicas, los investigadores podrían entrenar modelos más matizados que conducen a nuevos descubrimientos.

La arquitectura de BPNet es similar a las redes utilizadas para reconocer caras en imágenes. Cuando los sistemas de visión computacional reconocen caras en imágenes, la red comienza detectando bordes y luego une estos bordes. La diferencia es que BPNet aprende de secuencias de ADN, detectando motivos de secuencias y uniéndolos en reglas de orden superior que se pueden utilizar para predecir la unión de datos a la resolución de base.

Después de que el modelo alcanza un umbral de precisión alto, los patrones aprendidos por el modelo se rastrean hasta las secuencias de entrada originales, revelando los motivos de secuencias. Finalmente, el modelo se proporciona con consultas sistemáticas de secuencias de ADN, lo que permite a los investigadores entender las reglas por las cuales los motivos de secuencias se combinan y funcionan. Según Zeitlinger, el modelo es capaz de predecir muchas más secuencias de las que los investigadores podrían esperar probar en una forma tradicional y experimental. Además, predecir el resultado de anomalías experimentales les permitió a los investigadores identificar qué experimentos eran los más informativos al validar el modelo.