El “Machine Learning” podría convertirse en una nueva forma de guiar los esfuerzos de Bioingeniería

Imagen de Marilyn Chung, Berkeley Lab

  • Héctor García, colaborador de BCAM, publica un artículo en la revista Nature Systems Biology and Applications que sugiere que el Aprendizaje Automático podría acelerar el desarrollo de biomoléculas

La Bioingeniería permite a los expertos diseñar sistemas biológicos que benefician a la sociedad, como por ejemplo células que produce biocombustibles o medicamentos que combaten las infecciones resistentes a los antibióticos. Esto se consigue analizando y rediseñando la serie de reacciones químicas que producen un compuesto específico en una célula.

Sin embargo, predecir con fiabilidad el resultado de alterar una célula mediante técnicas de Bioingeniería es difícil, ya que los modelos matemáticos tradicionales que se usan para pronosticar la dinámica de las reacciones químicas de una célula tardan meses en desarrollarse y requieren de un elevado nivel de conocimiento en ese ámbito. Además, las predicciones no siempre coinciden con los resultados experimentales.

Héctor García, miembro científico externo del Basque Center for Applied Mathematics – BCAM y colaborador habitual del centro, ha publicado recientemente el artículo “A machine learning approach to predict metabolic pathway dynamics from time-series multiomics data” en la revista Nature Systems Biology and Applications sugiriendo que un nuevo enfoque de Aprendizaje Automático podría acelerar los procesos de Bioingeniería.

El aprendizaje automático o Machine Learning utiliza datos para entrenar a un algoritmo computacional para hacer predicciones. Ese algoritmo aprende el comportamiento de un sistema analizando datos de sistemas relacionados, permitiendo a los científicos predecir rápidamente los resultados de un proceso.

Héctor García y Zak Costello, su compañero en este proyecto de investigación realizado en el Lawrence Berkeley National Laboratory (Berkeley Lab), han desarrollado técnicas de inteligencia artificial que permiten predecir y diseñar procesos de Bioingeniería de manera más rápida. Afirman que estas técnicas de Aprendizaje Automático pueden sustituir a los modelos cinéticos tradicionales, ya que su efectividad es mayor gracias a que el sistema es capaz de aprender directamente a partir de datos y ejemplos y no requiere un experto (humano) en Biología.

Tal y como afirma García en un artículo periodistico publicado en Berkeley Lab, su enfoque promete acelerar el desarrollo de biomoléculas para muchas aplicaciones además de biocombustibles comercialmente viables: medicamentos que combaten infecciones resistentes a los antibióticos y cultivos que resisten sequías, y podría convertirse en “una nueva forma de guiar los esfuerzos de Bioingeniería”.

García visitará BCAM el próximo mes de julio para colaborar con el grupo de Modelización y Simulación en Ciencias de la Vida y de los Materiales dirigido por la Ikerbasque Research Professor Elena Akhmatskaya.