El aprendizaje automático logra acomodarse a cómo piensan los biólogos

Justin Kinney - COLD SPRING HABOR LABORATORY

   MADRID, 27 Dic. (EUROPA PRESS) -

   Las herramientas de aprendizaje automático han sido adaptadas finalmente para interpretar la regulación genética con la claridad necesaria para su entendimiento por los biólogos.

   La inteligencia artificial (IA) se ha convertido en un valioso aliado para los científicos. Los algoritmos de aprendizaje automático, por ejemplo, están ayudando a los biólogos a dar sentido al vertiginoso número de señales moleculares que controlan cómo funcionan los genes. Pero a medida que se desarrollan nuevos algoritmos para analizar aún más datos, también se vuelven más complejos y más difíciles de interpretar.

   Los algoritmos son un tipo de red neuronal artificial (ANN). Inspiradas en la forma en que las neuronas se conectan y ramifican en el cerebro, las ANN son las bases computacionales para el aprendizaje automático avanzado. Y a pesar de su nombre, los ANN no se usan exclusivamente para estudiar cerebros.

   Los biólogos cuantitativos Justin B. Kinney y Ammar Tareen, del Cold Spring Habor Laboratory, usan ANN para analizar datos de un método experimental llamado "ensayo de reportero masivamente paralelo" (MPRA) que investiga el ADN. Usando estos datos, los biólogos cuantitativos pueden hacer ANN que predicen qué moléculas controlan genes específicos en un proceso llamado regulación génica.

   Su nuevo enfoque cierra la brecha entre las herramientas computacionales y cómo piensan los biólogos, según un comunicado. Han creado ANN personalizadas que reflejan matemáticamente conceptos comunes en biología sobre los genes y las moléculas que los controlan. De esta manera, este enfoque está obligando esencialmente a sus algoritmos de aprendizaje automático a procesar datos de una manera que un biólogo pueda entender.

   Los resultados se anunciaron oficialmente en Vancouver, Canadá, en la I Conferencia sobre Aprendizaje Automático en Biología Computacional.