Una rete neurale artificiale può rivelare modelli in enormi quantità di dati di espressione genica e scoprire gruppi di geni correlati alla malattia. Lo ha dimostrato un nuovo studio condotto da ricercatori della Linköping University, pubblicato in Comunicazioni sulla natura . Gli scienziati sperano che il metodo possa essere eventualmente applicato all'interno della medicina di precisione e del trattamento individualizzato.

È comune quando si utilizzano i social media che la piattaforma suggerisca persone che potresti voler aggiungere come amici. Il suggerimento si basa sul fatto che tu e l'altra persona avete contatti in comune, che indica che potreste conoscervi. In modo simile, gli scienziati stanno creando mappe di reti biologiche basate su come differenti proteine ​​o geni interagiscono tra loro. I ricercatori dietro un nuovo studio hanno usato l'intelligenza artificiale, IA, indagare se è possibile scoprire reti biologiche utilizzando il deep learning, in cui le entità note come "reti neurali artificiali" vengono addestrate da dati sperimentali. Poiché le reti neurali artificiali sono eccellenti nell'imparare a trovare modelli in enormi quantità di dati complessi, sono utilizzati in applicazioni come il riconoscimento delle immagini. Però, questo metodo di apprendimento automatico è stato finora utilizzato raramente nella ricerca biologica.

"Abbiamo utilizzato per la prima volta il deep learning per trovare geni correlati alla malattia. Questo è un metodo molto potente nell'analisi di enormi quantità di informazioni biologiche, o Big Data, "dice Sanjiv Dwivedi, postdoc presso il Dipartimento di Fisica, Chimica e Biologia (IFM) presso l'Università di Linköping.

Gli scienziati hanno utilizzato un ampio database con informazioni sui modelli di espressione di 20, 000 geni in un gran numero di persone. Le informazioni erano "non ordinate, "nel senso che i ricercatori non hanno fornito alla rete neurale artificiale informazioni su quali modelli di espressione genica provenissero da persone con malattie, e che provenivano da persone sane. Il modello di intelligenza artificiale è stato quindi addestrato per trovare modelli di espressione genica.

Una delle sfide dell'apprendimento automatico è che non è possibile vedere esattamente come una rete neurale artificiale risolve un compito. L'intelligenza artificiale a volte viene descritta come una "scatola nera":vediamo solo le informazioni che inseriamo nella scatola e il risultato che produce. Non possiamo vedere i passaggi tra. Le reti neurali artificiali sono costituite da diversi strati in cui le informazioni vengono elaborate matematicamente. La rete comprende uno strato di input e uno strato di output che fornisce il risultato dell'elaborazione delle informazioni effettuata dal sistema. Tra questi due livelli ci sono diversi livelli nascosti in cui vengono eseguiti i calcoli. Quando gli scienziati hanno addestrato la rete neurale artificiale, si chiedevano se fosse possibile sollevare il coperchio della scatola nera, in un certo senso, e capire come funziona. I progetti della rete neurale e delle reti biologiche familiari sono simili?

"Quando abbiamo analizzato la nostra rete neurale, si è scoperto che il primo strato nascosto rappresentava in larga misura le interazioni tra varie proteine. Più in profondità nel modello, in contrasto, al terzo livello, abbiamo trovato gruppi di diversi tipi di cellule. È estremamente interessante che questo tipo di raggruppamento biologicamente rilevante sia prodotto automaticamente, dato che la nostra rete è partita da dati di espressione genica non classificati, "dice Mika Gustafsson, docente senior presso IFM e leader dello studio.

Gli scienziati hanno quindi studiato se il loro modello di espressione genica potesse essere utilizzato per determinare quali modelli di espressione genica sono associati alla malattia e quali sono normali. Hanno confermato che il modello trova modelli rilevanti che concordano bene con i meccanismi biologici nel corpo. Poiché il modello è stato addestrato utilizzando dati non classificati, è possibile che la rete neurale artificiale abbia trovato modelli totalmente nuovi. I ricercatori hanno ora in programma di indagare se tale, modelli precedentemente sconosciuti, sono rilevanti dal punto di vista biologico.

"Crediamo che la chiave per progredire nel campo sia comprendere la rete neurale. Questo può insegnarci cose nuove sui contesti biologici, come le malattie in cui interagiscono molti fattori. E crediamo che il nostro metodo fornisca modelli più facili da generalizzare e che possono essere utilizzati per molti tipi diversi di informazioni biologiche, " dice Mika Gustafsson.

Mika Gustafsson spera che la stretta collaborazione con i ricercatori medici gli consentirà di applicare il metodo sviluppato nello studio nella medicina di precisione. Può essere possibile, Per esempio, per determinare quali gruppi di pazienti dovrebbero ricevere un certo tipo di medicinale, o identificare i pazienti più gravemente colpiti.