Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

Please note that the LabMedica website is also available in a complete English version
Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros
PURITAN MEDICAL

Deascargar La Aplicación Móvil




IA identifica combinaciones de genes que causan enfermedades complejas

Por el equipo editorial de LabMedica en español
Actualizado el 12 Jun 2025
Imagen: el nuevo método utiliza un modelo de IA generativo para amplificar los datos de expresión génica limitada (foto cortesía de Camila Felix/Universidad Northwestern)
Imagen: el nuevo método utiliza un modelo de IA generativo para amplificar los datos de expresión génica limitada (foto cortesía de Camila Felix/Universidad Northwestern)

Durante años, los científicos se han enfrentado a importantes desafíos para descifrar la base genética de enfermedades complejas como la diabetes, el asma y el cáncer. Los métodos tradicionales, como los estudios de asociación del genoma completo, suelen ser insuficientes para identificar cómo interactúan múltiples genes para influir en estos rasgos, principalmente debido a su limitada potencia estadística y al gran número de posibles combinaciones genéticas. Ahora, investigadores han desarrollado una nueva herramienta computacional que utiliza inteligencia artificial (IA) generativa para descubrir las redes genéticas que impulsan enfermedades humanas complejas.

La herramienta, conocida como Autocodificador Variacional Condicional de Transcriptoma Amplio (TWAVE), fue creada por un equipo de biofísicos de la Universidad Northwestern (Evanston, Illinois, EUA) para comprender mejor cómo las combinaciones de genes contribuyen al desarrollo de enfermedades. Este modelo representa un gran avance en la vinculación del genotipo con el fenotipo, al trasladar el enfoque analítico de genes individuales a grupos de genes coordinados.

TWAVE utiliza un modelo de IA generativa que amplifica datos limitados de expresión génica para detectar patrones de actividad génica asociados con enfermedades. Funciona simulando entornos celulares sanos y enfermos e identificando cómo cambios específicos en la expresión génica pueden alterar dichos estados. Mediante una plataforma que combina aprendizaje automático y optimización, TWAVE identifica los cambios genéticos con mayor probabilidad de transformar una célula de sana a enferma o viceversa.

Al analizar la expresión génica en lugar de las secuencias de ADN, TWAVE evita las preocupaciones sobre la privacidad del paciente y captura la influencia de los factores ambientales que pueden modular la actividad génica. Este enfoque permite al modelo ofrecer una visión dinámica de la función celular y reflejar mejor la complejidad de los mecanismos patológicos del mundo real. En el estudio publicado en PNAS, TWAVE se probó en diversas enfermedades complejas. Identificó con éxito combinaciones de genes relevantes, incluyendo algunas que las técnicas existentes no habían detectado.

Cabe destacar que el modelo reveló que una misma enfermedad podría surgir de diferentes conjuntos de genes en distintos individuos, lo que destaca el potencial de estrategias terapéuticas más personalizadas. Al revelar redes genéticas en lugar de marcadores aislados, TWAVE ofrece una herramienta poderosa para desarrollar tratamientos específicos que consideran los factores genéticos específicos de cada paciente. Esto allana el camino para nuevas intervenciones diseñadas para modificar los patrones colectivos de expresión génica que subyacen a las enfermedades crónicas y multifactoriales.

“Muchas enfermedades están determinadas por una combinación de genes, no solo por uno”, afirmó Adilson Motter, autor principal del estudio, de Northwestern. “Se puede comparar una enfermedad como el cáncer con un accidente aéreo. En la mayoría de los casos, se necesitan múltiples fallos para que un avión se estrelle, y diferentes combinaciones de fallos pueden tener consecuencias similares. Esto complica la tarea de identificar las causas. Nuestro modelo ayuda a simplificar las cosas al identificar los factores clave y su influencia colectiva”.

New
Miembro Oro
Blood Gas Analyzer
Stat Profile pHOx
ANALIZADOR HEMATOLÓGICO DE 3 PARTES
Swelab Alfa Plus Sampler
New
Drug Test Kit
DrugCheck 3000
New
Automated PCR Setup
ESTREAM

DIASOURCE (A Biovendor Company)

Canales

Inmunología

ver canal
Imagen: CellLENS permite las posibles estrategias de terapia de precisión contra poblaciones específicas de células inmunes en el entorno tisular (foto cortesía del MIT)

Sistema de IA descubre subtipos celulares ocultos para impulsar inmunoterapia contra cáncer

Para desarrollar terapias dirigidas eficaces contra el cáncer, los científicos necesitan aislar las características genéticas y fenotípicas de las células cancerosas,... Más

Patología

ver canal
Imagen: micrografía que muestra la distribución de proteínas mal plegadas en las células de mieloma (foto cortesía de Helmholtz Munich)

Nuevo método rastrea tratamiento del cáncer en células sin colorantes ni marcadores

El mieloma múltiple es un cáncer de la sangre que afecta a las células plasmáticas de la médula ósea, lo que provoca una producción anormal de proteínas,... Más

Tecnología

ver canal
Imagen: los investigadores Dr. Lee Eun Sook y el Dr. Lee Jinhyung examinan el equipo de impresión utilizado para la síntesis de nanodisco (foto cortesía de KRISS)

Nanomaterial multifuncional realiza simultáneamente diagnóstico, tratamiento y activación inmunitaria del cáncer

Los tratamientos contra el cáncer, como la cirugía, la radioterapia y la quimioterapia, presentan limitaciones significativas. Estos tratamientos no solo atacan las zonas cancerosas, sino... Más
Copyright © 2000-2025 Globetech Media. All rights reserved.