Un equipo de científicos pertenecientes al Instituto Nara de Ciencia y Tecnología (NAIST) ha ideado un ingenioso algoritmo de aprendizaje automático con la capacidad para efectuar, con notable exactitud, la predicción de la ubicación de proteínas que están vinculadas con la actina, pieza fundamental en la integridad del esqueleto celular. Este algoritmo puede llevar a cabo tal predicción en base a la ubicación real de la actina.
La publicación de dicha investigación se llevó a cabo en Frontiers in Cell and Development Biology
El papel crucial de la actina
La actina tiene una función esencial en la formación y estructura de las células, además de representar un papel principal en la formación de los lamellipodios durante el movimiento celular. Los lamellipodios son estructuras similares a un abanico que habilitan a las células para «caminar» hacia adelante, conteniendo dentro de sí múltiples proteínas que se adhieren a la actina para preservar el movimiento celular.
Shiro Suetsugu, autor principal del estudio, concibió la idea en una conversación con Yoshinobu Sato en el Centro de Ciencia de Datos de NAIST.
«Si bien es cierto que la inteligencia artificial se ha utilizado anteriormente para predecir la dirección de migración celular basándose en una secuencia de imágenes, hasta ahora no ha sido utilizada para predecir la ubicación de proteínas», comenta Suetsugu. «Por lo tanto, decidimos diseñar un algoritmo de aprendizaje automático capaz de determinar dónde aparecerán las proteínas en la célula, basándose en su relación con otras proteínas».
Creación del sistema de IA
Los investigadores se enfoquen en el adiestramiento de un sistema de inteligencia artificial (IA) para predecir la ubicación futura de las proteínas que están vinculadas con la actina dentro de la célula. Este entrenamiento fue realizado a través de la muestra a la IA de imágenes de celdas que contenían proteínas resaltadas con marcadores fluorescentes, proporcionando una indicación al sistema de su ubicación. Posteriormente, el sistema recibió imágenes en las que sólo la actina fue marcada, y se le solicitó localizar las proteínas asociadas.
«Al comparar las imágenes predichas con las imágenes originales, encontramos un impresionante grado de similitud», dice Suetsugu. “Nuestro programa logró predecir con precisión la localización de tres proteínas asociadas a actina dentro de los lamellipodios; incluso, en el caso de una de estas proteínas, en otras estructuras dentro de la célula”.
Para comprobar la especialización de este sistema, el equipo solicitó al sistema que predijera dónde se localizaba la tubulina dentro de la célula. Como la tubulina no tiene una relación directa con la actina, los resultados obtenidos por el programa no fueron tan precisos.
«Nuestros hallazgos sugieren que el aprendizaje automático puede ser ocasionalmente utilizado para predecir con exactitud la ubicación de proteínas funcionalmente relacionadas y describir las relaciones físicas que existen entre ellas», dice Suetsugu.
Según los científicos, este programa podría ser utilizado para identificar de manera rápida y precisa las estructuras derivadas de imágenes celulares, sirviendo a modo de método de filtrado celular artificial, lo cual contribuiría a disminuir las limitaciones que suponen los métodos actuales.
LEE MÁS ARTÍCULOS SOBRE: Salud con IA.
LEE LA ENTRADA ANTERIOR: Explorando la intersección entre Inteligencia Artificial y Blockchain: oportunidades y desafíos.