Algoritmo que podría acelerar el desarrollo de nuevas terapias médicas.

Créditos de las imagenes: Technion press office.

En los hallazgos publicados hoy en Nature Methods, investigadores israelíes y estadounidenses informaron sobre un revolucionario algoritmo de aprendizaje automático.

Basado en grandes datos fue diseñado para predecir los resultados de la expresión génica en humanos basándose en los resultados preliminares de estudios con ratones.

La herramienta, que se espera que acelere el desarrollo de nuevas terapias médicas y pueda reducir futuros experimentos realizados con ratones, fue desarrollada por investigadores del equipo de investigación del Profesor Asistente Shai Shen-Orr en el Technion. El trabajo fue junto con el profesor Rob Tibshirani y Ph.D. candidato Wenfei Du de la Universidad de Stanford. El estudio fue dirigido Rachelly Normand.

El uso de ratones de laboratorio para la investigación básica y preclínica es esencial para avanzar en la medicina y desarrollar nuevos medicamentos y terapias en todo el mundo.

Los estudios con modelos en ratones son críticos en experimentos que no pueden realizarse en humanos debido a consideraciones éticas, incluido el estudio de enfermedades y procesos fisiológicos en el cerebro, el bazo y el corazón y en la prueba de la eficacia de nuevos tratamientos para ciertas enfermedades.

Pero a pesar del uso común de los ratones de laboratorio, las extrapolaciones de los resultados de estudios de ratones para comprender los efectos de este tratamiento en humanos no siempre son sencillas.

Esto se debe a las muchas diferencias fisiológicas, genéticas, de esperanza de vida y ambientales entre las dos especies. En otras palabras, muchos efectos se «pierden en la traducción» en la transferencia de ratón a humano y muchos medicamentos que son efectivos en ratones de laboratorio fallan cuando se prueban en humanos.

Acelerar el desarrollo de nuevas terapias

La herramienta desarrollada en el Technion, que predice la relevancia de los resultados preliminares de las pruebas en ratones para la fisiología humana, podría acelerar el desarrollo de nuevos fármacos y reducir drásticamente el costo del desarrollo.

Uno de los desarrollos que permitió este avance es una norma relativamente nueva: cargar datos sin procesar de estudios científicos a Internet.

Este cambio, que comenzó con el proyecto del genoma humano, ha evolucionado y crecido, y ahora hay mediciones de más de 2 millones de muestras registradas en línea. La mayoría se obtuvieron de tejidos de pacientes humanos y modelos animales de enfermedades. Los niveles de ARNm, un componente central en la producción de proteínas, se midieron en cada muestra, cubriendo decenas de miles de genes en el genoma.

«Se trata de una gran cantidad de datos, una enorme cantidad de información en Internet, que generalmente no se usa más allá del estudio en el que se generó», explicó el Profesor Asistente Shen-Orr.

“La suposición en mi laboratorio es que estos datos contienen tesoros ocultos que se pueden extraer mediante el pensamiento creativo y el desarrollo de algoritmos. En el estudio actual, decidimos aprovechar esta información para abordar el problema de traducir los hallazgos de modelos animales a información relevante para los humanos. En otras palabras, en este estudio, superamos la “brecha entre especies” que surge de las diferencias entre los humanos y los modelos animales ”.

Shen-Orr, Rachelly Normand y sus colegas desarrollaron un algoritmo que «traduce» los experimentos que se realizaron en ratones y permite la extrapolación de las implicaciones que tendrán en la fisiología humana.

El sistema se llama FIT (una abreviatura de Found in Translation). Utilizando este gran dato, parte de la información acumulada en estudios anteriores y que se ha recopilado en Internet, el sistema aprende la relación entre la expresión de genes en ratones y una condición humana equivalente.

Dado un nuevo estudio en animales, como la evaluación de un nuevo tratamiento farmacéutico, el sistema identifica, para cada gen, si la información recopilada de estudios anteriores es relevante y beneficiosa para el nuevo estudio. Si la información es relevante, el sistema ajusta los resultados medidos en el nuevo estudio y permite a los investigadores interpretar los hallazgos del nuevo estudio en ratones, de modo que sea relevante para los humanos.

Los investigadores evaluaron el desempeño de FIT en 170 estudios diferentes de ratones. Demostraron que en el 88% de los casos se predice que FIT es relevante para el nuevo experimento con ratones, el sistema predijo correctamente el perfil de expresión génica en el estado de enfermedad análoga en los seres humanos.

Esto mejora la inferencia del ratón a los humanos en un 50%. Además, los investigadores probaron el poder predictivo de FIT en un modelo de ratón con enfermedad de Crohn. FIT predijo que el gen ILF3 se expresará en humanos, a pesar del hecho de que no se expresa en ratones.

En un experimento de validación, los investigadores demostraron que el producto proteínico del gen ILF3 se expresa en las muestras de pacientes de Crohn, un resultado que no se conocía previamente y que no se habría descubierto sin utilizar el algoritmo de aprendizaje automático.

«Este proceso no solo mejora la precisión de la investigación», resumió el Profesor Asistente Shen-Orr, «sino que también evita las pistas falsas y acorta los procesos de desarrollo de fármacos y terapias».

Quieres conocer mas tecnología israelí?

Si respondiste “si” Sumanos tambien en Twitter.