Inteligencia artificial para identificar nuevas dianas terapéuticas en enfermedades cardíacas

Investigadores de los Institutos Gladstone, el Instituto Broad del MIT y Harvard y el Instituto de Cáncer Dana-Farber han utilizado modelos de inteligencia artificial para estudiar las interacciones entre diferentes genes humanos. Sus resultados, publicados recientemente en la revista Nature, ayudan a comprender cómo la disrupción de estas interacciones está implicada en el desarrollo de ciertas enfermedades.

Las IAs, o inteligencias artificiales, son sistemas informáticos que pueden procesar datos de forma masiva, aprender de ellos y llevar a cabo tareas de manera autónoma. En los últimos años, este tipo de sistemas ha experimentado un gran avance gracias a nuevos algoritmos y modelos matemáticos sofisticados. Esto los ha convertido en herramientas muy relevantes en diversos campos, como son la Robótica, las Finanzas o incluso las Ciencias de la Salud.

Uno de los tipos de sistemas de inteligencia artificial que más popularidad han adquirido durante los últimos años son los modelos grandes de lenguaje, como GPT-3 o BERT. Estas IAs son capaces de aprender conocimientos fundamentales a partir de grandes cantidades de datos y luego aplicar esos conocimientos en diferentes tareas.

En el nuevo trabajo, la Dra. Christina Theodoris, investigadora en los Institutos Gladstone, y su equipo han desarrollado una IA basada en modelos grandes de lenguaje para comprender cómo interactúan los genes. Además, los investigadores han utilizado esta IA para estudiar cómo las interacciones entre genes pueden influir en el desarrollo de enfermedades en células cardiacas.

Geneformer, una IA capaz de aprender de nuestro genoma

En su trabajo, la Dra. Theodoris y su equipo han desarrollado una inteligencia artificial para estudiar algunos factores genéticos que influyen en el desarrollo de enfermedades. El nuevo modelo de IA, al que los autores se refieren como Geneformer, es capaz de procesar enormes cantidades de datos genómicos y aprender sobre ellos, para después hacer predicciones de cómo las interacciones genéticas pueden influir en el desarrollo de enfermedades

Durante el desarrollo de Geneformer, Theodoris y su equipo entrenaron a la IA con datos de la actividad génica de más de 30 millones de células de diferentes tipos de tejidos humanos, mediante un método de aprendizaje conocido como transfer learning. Por lo general, las IAs que trabajan con datos biológicos se entrenan por otros métodos que limitan su utilización a ciertos contextos. Sin embargo, el transfer learning permite a la IA reutilizar los conocimientos adquiridos en diferentes contextos y situaciones.

“Con los enfoques estándar, se debe volver a entrenar un modelo desde cero para cada nueva aplicación”, explica la Dra. Theodoris. “Lo realmente emocionante de nuestro enfoque es que el conocimiento fundamental de Geneformer sobre las redes de genes ahora se puede transferir para responder a otras tantas preguntas biológicas”

Geneformer realiza predicciones precisas, incluso cuando dispone de pocos datos

En el estudio, el equipo de investigadores ajustó Geneformer para realizar predicciones sobre las relaciones entre genes y determinar si la reducción de la expresión de ciertos genes implicaba el desarrollo de patologías. Tras un primer análisis, la IA logró predecir el desarrollo de enfermedades con una precisión mucho mayor que otros enfoques alternativos, incluso con conjuntos de datos relevantes mínimos.

“Esto significa que Geneformer podría ser aplicado para hacer predicciones en enfermedades en las que el progreso de investigación ha sido lento porque no se dispone de acceso a bases de datos lo suficientemente grandes, como las enfermedades raras o aquellas que afectan a tejidos de los que es difícil obtener muestras en la clínica”, explica la Dra. Theodoris.

Inteligencia artificial en la investigación de enfermedades cardíacas

En una siguiente parte del estudio, los autores ajustaron Geneformer para predecir qué alteraciones genéticas pueden influir en el desarrollo de los cardiomiocitos, las células musculares del corazón. Gracias a ello, el equipo pudo identificar una gran variedad de genes relacionados con el desarrollo de enfermedades cardíacas, como, por ejemplo, TEAD4. Muchos de estos genes ya habían sido previamente relacionados con este tipo de enfermedades.

“El hecho de que el modelo predijera genes que ya sabíamos que eran realmente importantes para las enfermedades cardíacas nos dio una confianza adicional de que era capaz de hacer predicciones precisas”, explica Theodoris.

Para comprobar la precisión de las predicciones de la IA, los investigadores eliminaron ambas copias de TEAD4 en modelos celulares de cardiomiocitos. La eliminación de TEAD4 provocó que las células musculares presentaran alteraciones en su contracción y distensión.

Nuevas dianas terapéuticas para el tratamiento de enfermedades cardíacas

En otra aproximación, el equipo utilizó Geneformer para predecir nuevas dianas terapéuticas para las enfermedades cardíacas y probó sus resultados en modelos celulares con cardiomiopatías. Los investigadores observaron que, al utilizar CRISPR sobre dos de las dianas terapéuticas propuestas por la IA, se restablecía el latido en los cardiomiocitos.

“Aprendiendo cómo se ve una red de genes normal y cómo se ve una red de genes enfermos, Geneformer ha podido descubrir sobre qué características se puede actuar para cambiar entre los estados de salud y de enfermedad”, explica Theodoris. “El transfer learning nos permitió superar el desafío de los datos limitados de los pacientes para identificar de manera eficiente las posibles proteínas a las que atacar con medicamentos en las células enfermas”.

El próximo paso de los investigadores será continuar entrenando Genoformer, ampliando los datos en los que se basa la IA con nueva información sobre diferentes tejidos y tipos celulares. Para ello, los autores han publicado el modelo de inteligencia artificial de forma libre, para propiciar su utilización por otros grupos de investigación. Cuantos más datos procese la IA, más aprenderá sobre los genes humanos y más potente será de cara a futuras investigaciones.

Rubén Megía González, Genotipia

Artículo original: Theodoris CV, et al. Transfer learning enables predictions in network biology. Nature. 2023 Jun;618(7965):616-624. doi: http://dx.doi.org/10.1038/s41586-023-06139-9

Fuente: Artificial Intelligence System Predicts Consequences of Gene Modifications. Gladstone Institutes. https://gladstone.org/news/artificial-intelligence-system-predicts-consequences-gene-modifications