04 Abr Investigadores israelíes desarrollan una herramienta de IA para descubrir cómo reaccionan las células al tratamiento farmacológico
El algoritmo scNET del equipo de la Universidad de Tel Aviv combina datos de células con una «red social» de proteínas para reducir el «ruido intenso» y arrojar luz sobre el comportamiento de las células inmunitarias.
Por Diana Bletter
Prof. Asaf Madi (izquierda), Prof. Roded Sharan y el estudiante de doctorado Ron Sheinin de la Universidad de Tel Aviv. (Cortesía/Universidad de Tel Aviv)
Por primera vez, investigadores de la Universidad de Tel Aviv afirman haber desarrollado una innovadora herramienta de IA que integra datos biológicos para comprender cómo se comportan las células y cómo reaccionan a diferentes tratamientos farmacológicos. Este innovador método podría mejorar las estrategias de tratamiento para enfermedades como el cáncer, afirman.
El sistema, llamado scNET (pronunciado sek-net), abreviatura de red unicelular, “utiliza la IA de una manera ligeramente diferente”, dijo el profesor Asaf Madi de la Facultad de Medicina, quien trabajó con el profesor Roded Sharan, director de la Escuela de Ciencias de la Computación e IA, y el estudiante de doctorado Ron Sheinin.
En declaraciones telefónicas a The Times of Israel, Madi dijo que los investigadores desarrollaron una “plataforma computacional para realizar una integración inteligente de estos datos, y los resultados fueron realmente asombrosos”.
Los hallazgos aparecieron en la revista revisada por pares Nature Methods .
Información de una sola célula con mucho ‘ruido’
Madi explicó que en la última década, los investigadores han podido recopilar datos para examinar células individuales de diferentes tejidos, creadas a través del proceso de expresión genética.
Los investigadores pudieron investigar diferentes poblaciones de células dentro de un tumor, por ejemplo, y luego usar estos descubrimientos para aprender sobre el comportamiento funcional potencial de cada tipo de célula.
“Esta fue la revolución de la investigación en nuestro campo en la última década aproximadamente”, dijo Madi, fundador del Laboratorio de Inmunología de Sistemas de la universidad.
Células T atacando una célula cancerosa. (Frentusha; iStock by Getty Images)
Los científicos podrían comenzar a investigar los mecanismos específicos y profundos del comportamiento celular. Por ejemplo, ¿qué hacen exactamente las células inmunitarias, conocidas como linfocitos T, un tipo de glóbulo blanco, para ayudar al sistema inmunitario a combatir los gérmenes? ¿Cuál es la compleja función de los linfocitos B, un tipo diferente de glóbulo blanco que produce anticuerpos? ¿Y qué desencadena el comportamiento de los macrófagos, un tercer tipo de glóbulo blanco, para rodear y eliminar microorganismos?
Los investigadores estaban armados con preguntas complicadas, pero no pudieron obtener las respuestas porque, dijo Madi, no tenían forma de medir la actividad en estas células debido al «alto ruido», la actividad de fondo que dificulta concentrarse en comportamientos específicos.
Ilustración: Investigadores de la Universidad de Tel Aviv. (Cortesía)
El ruido en los datos genéticos es la información adicional que dificulta a los científicos discernir lo que realmente está sucediendo dentro de las células.
“La tecnología inicial es excelente”, explicó Madi, “pero no es perfecta y parte de la información no es tan precisa como uno quisiera”.
Una ‘red social’ de proteínas
Al mismo tiempo, en otro campo de estudio, los investigadores han estado trabajando para desarrollar una base de datos de interacción de proteínas que “refleje la interacción potencial entre todas las proteínas que tenemos en nuestros cuerpos”, dijo Madi.
Esta investigación ha generado “un mapa enorme” parecido a una red social, dijo.
Madi y su equipo querían combinar la información de los datos sobre expresión génica con los del mapa de proteínas. Creían que la integración de ambos dominios mejoraría la precisión de la investigación inmunológica.
El trabajo duró aproximadamente dos años.
“Esto no es fácil”, dijo Madi. “Este era el problema que buscábamos resolver”.
Análisis computacional de la expresión génica tras la reducción dimensional mediante scNET. Cada color representa un subconjunto de células inmunitarias con propiedades similares. (Ron Sheinin, Universidad de Tel Aviv)
¿Qué hace scNET?
Al desarrollar scNET, los investigadores pudieron obtener una imagen más completa del comportamiento dentro de la célula.
“El scNET mapea las interacciones entre genes, mostrando cómo se influyen mutuamente”, afirmó la estudiante de doctorado Sheinin. Al incorporar este mapa a los datos de secuenciación de células individuales, el scNET permitió una identificación más precisa de las poblaciones celulares y su comportamiento en diferentes condiciones.
El equipo de investigación volvió luego a un experimento anterior con un tratamiento contra el cáncer realizado en ratones en el laboratorio, pero esta vez utilizando scNET.
Un técnico sostiene un ratón de laboratorio en el Laboratorio Jackson de Bar Harbor, Maine, que envía más de dos millones de ratones al año a investigadores cualificados, el 24 de enero de 2006. (AP/Robert F. Bukaty)
En el primer intento, observaron un retraso en el crecimiento del tumor y una mayor supervivencia de los ratones, «pero no pudimos explicar por qué», dijo Madi. «Pero cuando utilizamos scNET, se revelaron los efectos del tratamiento en los linfocitos T que ayudan al sistema inmunitario a combatir la enfermedad».
El scNET mostró que «las células T activaban programas asociados con la lucha contra el tumor», explicó. «Y esto no fue posible descubrirlo debido al alto ruido en los datos originales. Sin embargo, fue algo que el scNET logró descubrir».
Madi afirmó que el campo está «avanzando muy rápido» y que se están produciendo avances rápidos. Espera que scNET pueda «impulsarse» y utilizarse en otras áreas para mejorar la comprensión de las enfermedades y, por lo tanto, acelerar el desarrollo de tratamientos.
«Realmente esperamos que otros investigadores lo utilicen para revisar algunas de sus investigaciones anteriores, donde no obtuvieron resultados tan prometedores de los datos», dijo Madi.
Desarrollamos este método y demostramos que funciona. Esperamos que otros aprovechen lo que hemos generado y lo utilicen en sus propias investigaciones.
Traducción: Consulado H. de Israel en Guayaquil
Fuente: The Times of Israel
