Notícia

Inteligência artificial pode encontrar genes relacionados a doenças

Shutterstock

Fonte

Universidade Linköping

Data

sexta-feira, 21 fevereiro 2020 18:05

Áreas

Bioinformática. Inteligência Artificial. Genômica.

É comum, ao usar as mídias sociais, que a plataforma sugira pessoas que você pode adicionar como amigos. A sugestão é baseada em alguma característica, conhecimento ou contato que você tem em comum com a outra pessoa. De maneira semelhante, os cientistas estão criando mapas de redes biológicas com base em como diferentes proteínas ou genes interagem entre si. Os pesquisadores responsáveis ​​pelo novo estudo usaram a inteligência artificial para investigar se é possível descobrir redes biológicas usando aprendizado profundo, em que modelos conhecidos como “redes neurais artificiais” são treinados por dados experimentais. Como as redes neurais artificiais são excelentes para aprender a encontrar padrões em enormes quantidades de dados complexos, elas são usadas em aplicativos como o reconhecimento de imagens. No entanto, esse método de aprendizado de máquina até agora raramente foi usado em pesquisas biológicas.

“Pela primeira vez, usamos o aprendizado profundo para encontrar genes relacionados a doenças. Este é um método muito poderoso na análise de grandes quantidades de informações biológicas, ou “big data” “, diz o Dr. Sanjiv Dwivedi, pós-doutorando no Departamento de Física, Química e Biologia da Universidade de Linköping, na Suécia.

Os cientistas usaram um grande banco de dados com informações sobre os padrões de expressão de 20.000 genes em um grande número de pessoas. A informação foi “não classificada”, no sentido de que os pesquisadores não forneceram à rede neural artificial informações sobre quais padrões de expressão gênica eram de pessoas com doenças e quais eram de pessoas saudáveis. O modelo de inteligência artificial foi treinado para encontrar padrões de expressão gênica.

Um dos desafios do aprendizado de máquina é que não é possível ver exatamente como uma rede neural artificial resolve uma tarefa. Às vezes, a inteligência artificial é descrita como uma “caixa preta” – vemos apenas as informações que colocamos na caixa e o resultado que ela produz. Não podemos ver os passos durante o processo. As redes neurais artificiais consistem em modelos de várias camadas nas quais a informação é processada matematicamente. A rede compreende uma camada de entrada e uma camada de saída que fornece o resultado do processamento de informações realizado pelo sistema. Entre essas duas camadas, há várias camadas ocultas nas quais os cálculos são realizados. Quando os cientistas treinaram a rede neural artificial, eles se perguntaram se era possível, de certa forma, levantar a tampa da caixa preta e entender como ela funciona. Os projetos da rede neural e das redes biológicas são semelhantes?

“Quando analisamos nossa rede neural, verificou-se que a primeira camada oculta representava, em grande parte, interações entre várias proteínas. Mais profundamente no modelo, em contraste, no terceiro nível, encontramos grupos de diferentes tipos de células. É extremamente interessante que esse tipo de agrupamento biologicamente relevante seja produzido automaticamente, uma vez que nossa rede partiu de dados não classificados de expressão gênica ”, explica o Dr. Mika Gustafsson, líder do estudo publicado na revista científica Nature Communications.

Os cientistas então investigaram se o modelo de expressão gênica poderia ser usado para determinar quais padrões de expressão gênica estão associados à doença e qual é normal. Eles confirmaram que o modelo encontra padrões relevantes que concordam bem com os mecanismos biológicos do corpo. Como o modelo foi treinado usando dados não classificados, é possível que a rede neural artificial tenha encontrado padrões totalmente novos. Os pesquisadores planejam agora investigar se tais padrões previamente desconhecidos são relevantes do ponto de vista biológico.

“Acreditamos que a chave para o progresso nesta área é entender a rede neural. Isso pode nos ensinar coisas novas sobre contextos biológicos, como doenças nas quais muitos fatores interagem. E acreditamos que nosso método fornece modelos mais fáceis de generalizar e que podem ser usados ​​para muitos tipos diferentes de informações biológicas ”, concluiu o Dr. Mika Gustafsson.

Acesse o artigo científico completo (em inglês).

Acesse a notícia completa na página da Universidade Linköping (em inglês).

Fonte: Karin Söderlund Leifler, Universidade Linköping. Imagem: Shutterstock.

Em suas publicações, o Portal Tech4Health da Rede T4H tem o único objetivo de divulgação científica, tecnológica ou de informações comerciais para disseminar conhecimento. Nenhuma publicação do Portal Tech4Health tem o objetivo de aconselhamento, diagnóstico, tratamento médico ou de substituição de qualquer profissional da área da saúde. Consulte sempre um profissional de saúde qualificado para a devida orientação, medicação ou tratamento, que seja compatível com suas necessidades específicas.