La genética y la inteligencia artificial aúnan fuerzas contra el cáncer
Tanto la naturaleza del cáncer como su talón de Aquiles radican en alteraciones de estos mecanismos, que en última instancia se traducen en relaciones anómalas entre los genes. Debido a las propiedades topológicas de las redes de regulación transcripcional, los ataques farmacológicos aleatorios no suelen ser efectivos cuando se quiere atacar de forma selectiva a un tumor sin comprometer la vida del paciente. Esto se debe a que estas redes presentan una estructura jerárquica en la que la mayoría de genes no regulan a otros genes o regulan pocos genes y un número reducido de genes, conocidos como reguladores maestros, controlan el funcionamiento de la mayor parte de la red. Así, ataques selectivos dirigidos contra reguladores maestros específicos del tumor podrían resultar en terapias antitumorales eficaces.
Actualmente, existe una tecnología conocida como secuenciación de células individuales o single-cell sequencing que permite caracterizar la actividad de los genes en cada una de las células que componen una biopsia, por ejemplo, tomada de un posible tumor. Gracias a esta tecnología, es posible estudiar células tumorales que estén en estadios muy tempranos del proceso de tumorigénesis, clasificándolas y diferenciándolas de células sanas.
Utilizando algoritmos de Inteligencia Artificial diseñados para el descubrimiento de relaciones causales se pueden determinar las relaciones causales entre genes en las células tumorales y encontrar los reguladores maestros característicos de cada tipo de cáncer. Una vez encontrados, se pueden ensayar multitud de fármacos cuyo efecto inhibidor frente a estos genes ya se conozca. Entre los algoritmos de descubrimiento causal destacan las redes bayesianas gaussianas, una clase de modelo gráfico probabilístico que permite representar de manera intuitiva las relaciones causales entre genes, así como realizar predicciones del comportamiento de la red cuando aumenta o disminuye la actividad de algunos genes.
El alumno del Máster en Inteligencia Artificial de la Universidad Internacional de Valencia y Doctor en Biología Fundamental y de Sistemas por la Universidad de Granada, Ricardo Lebrón Aguilar, está actualmente investigando el uso de datos de secuenciación de células individuales y de algoritmos de descubrimiento causal para facilitar el desarrollo de terapias contra el cáncer de mama y el carcinoma hepatocelular, bajo la dirección del Dr. Gherardo Varando del Departamento de Ciencias Matemáticas de la Universidad de Copenhague.
Si bien aún son necesarias muchas mejoras metodológicas para alcanzar este ambicioso objetivo, las pruebas de concepto llevadas a cabo hasta la fecha auguran un próspero futuro a esta línea de investigación que, de manera altruista, están desarrollando ambos doctores como un proyecto solidario en la lucha contra el cáncer. Mientras tanto, se hace necesario recordar que la investigación es el motor que impulsa el desarrollo de una sociedad sana y que, por tanto, requiere de un soporte económico a la altura.
Fuente: NCYT
