Un sistema de inteligencia artificial es capaz de identificar las modificaciones genéticas beneficiosas

Imagina que tienes ante ti millones y millones de misteriosas mutaciones genéticas. Con la tecnología de edición genética CRISPR, unas pocas de estas mutaciones podrían tener potencial terapéutico. Sin embargo, demostrarlo supondría muchos miles de horas de trabajo de laboratorio. Sólo averiguar cuáles merecen ser exploradas más a fondo llevaría mucho tiempo y dinero. Pero, ¿y si se pudiera hacer en el reino virtual con inteligencia artificial?

CREME es un nuevo laboratorio virtual impulsado por IA inventado por el profesor adjunto Peter Koo y su equipo del Cold Spring Harbor Laboratory (CSHL). Permite a los genetistas realizar miles de experimentos virtuales con sólo pulsar un botón. Ahora, los científicos pueden utilizarlo para empezar a identificar y comprender regiones clave del genoma.

El programa sigue el modelo de CRISPR interference (CRISPRi), una técnica de perturbación genética basada en CRISPR. CRISPRi permite a los biólogos reducir la actividad de genes específicos en una célula. CREME permite a los científicos realizar cambios similares en el genoma virtual y predecir sus efectos sobre la actividad de los genes. En otras palabras, es casi como una versión IA de CRISPRi.

«En realidad, CRISPRi es increíblemente difícil de llevar a cabo en el laboratorio. Y está limitado por el número de perturbaciones y la escala. Pero como nosotros hacemos todas las perturbaciones [virtualmente], podemos ir más allá. Y la escala de los experimentos que realizamos no tiene precedentes: cientos de miles de experimentos de perturbación», explica Koo.

Koo y su equipo probaron CREME con otra herramienta de análisis genómico basada en IA llamada Enformer. Querían saber cómo el algoritmo de Enformer hace predicciones sobre el genoma. Este tipo de cuestiones son fundamentales en el trabajo de Koo, afirma.

«Tenemos modelos grandes y potentes. Son muy convincentes a la hora de tomar secuencias de ADN y predecir la expresión génica. Pero en realidad no tenemos ninguna forma de entender lo que aprenden estos modelos. Es de suponer que hacen predicciones precisas porque han aprendido muchas de las reglas de la regulación génica, pero no sabemos en qué se basan sus predicciones».

Con CREME, el equipo de Koo descubrió una serie de reglas genéticas que Enformer aprendió mientras analizaba el genoma. Ese conocimiento puede resultar muy valioso algún día para el descubrimiento de fármacos. «Comprender las reglas de la regulación genética ofrece más opciones para ajustar los niveles de expresión de los genes de forma precisa y predecible», afirma Koo.

Si se sigue perfeccionando, el CREME podría encaminar a los genetistas hacia el descubrimiento de nuevas dianas terapéuticas. Y, lo que es más importante, puede incluso dar a los científicos que no tienen acceso a un laboratorio real la posibilidad de realizar estos avances.

REFERENCIA

Interpreting cis-regulatory interactions from large-scale deep neural networks