IA identifica combinaciones de genes que causan enfermedades complejas

Durante años, los científicos se han enfrentado a importantes desafíos para descifrar la base genética de enfermedades complejas como la diabetes, el asma y el cáncer. Los métodos tradicionales, como los estudios de asociación del genoma completo, suelen ser insuficientes para identificar cómo interactúan múltiples genes para influir en estos rasgos, principalmente debido a su limitada potencia estadística y al gran número de posibles combinaciones genéticas. Ahora, investigadores han desarrollado una nueva herramienta computacional que utiliza inteligencia artificial (IA) generativa para descubrir las redes genéticas que impulsan enfermedades humanas complejas.

La herramienta, conocida como Autocodificador Variacional Condicional de Transcriptoma Amplio (TWAVE), fue creada por un equipo de biofísicos de la Universidad Northwestern (Evanston, Illinois, EUA) para comprender mejor cómo las combinaciones de genes contribuyen al desarrollo de enfermedades. Este modelo representa un gran avance en la vinculación del genotipo con el fenotipo, al trasladar el enfoque analítico de genes individuales a grupos de genes coordinados.

TWAVE utiliza un modelo de IA generativa que amplifica datos limitados de expresión génica para detectar patrones de actividad génica asociados con enfermedades. Funciona simulando entornos celulares sanos y enfermos e identificando cómo cambios específicos en la expresión génica pueden alterar dichos estados. Mediante una plataforma que combina aprendizaje automático y optimización, TWAVE identifica los cambios genéticos con mayor probabilidad de transformar una célula de sana a enferma o viceversa.

Al analizar la expresión génica en lugar de las secuencias de ADN, TWAVE evita las preocupaciones sobre la privacidad del paciente y captura la influencia de los factores ambientales que pueden modular la actividad génica. Este enfoque permite al modelo ofrecer una visión dinámica de la función celular y reflejar mejor la complejidad de los mecanismos patológicos del mundo real. En el estudio publicado en PNAS, TWAVE se probó en diversas enfermedades complejas. Identificó con éxito combinaciones de genes relevantes, incluyendo algunas que las técnicas existentes no habían detectado.

Cabe destacar que el modelo reveló que una misma enfermedad podría surgir de diferentes conjuntos de genes en distintos individuos, lo que destaca el potencial de estrategias terapéuticas más personalizadas. Al revelar redes genéticas en lugar de marcadores aislados, TWAVE ofrece una herramienta poderosa para desarrollar tratamientos específicos que consideran los factores genéticos específicos de cada paciente. Esto allana el camino para nuevas intervenciones diseñadas para modificar los patrones colectivos de expresión génica que subyacen a las enfermedades crónicas y multifactoriales.

“Muchas enfermedades están determinadas por una combinación de genes, no solo por uno”, afirmó Adilson Motter, autor principal del estudio, de Northwestern. “Se puede comparar una enfermedad como el cáncer con un accidente aéreo. En la mayoría de los casos, se necesitan múltiples fallos para que un avión se estrelle, y diferentes combinaciones de fallos pueden tener consecuencias similares. Esto complica la tarea de identificar las causas. Nuestro modelo ayuda a simplificar las cosas al identificar los factores clave y su influencia colectiva”.