Un método de análisis innovador mejora el conocimiento de la actividad de los genes

Científicos del Cima Universidad de Navarra han ideado un método de análisis innovador que mejora el conocimiento de la actividad de los genes y sus procesos biológicos. Este sistema ha demostrado su eficacia para estudiar la progresión del cáncer de próstata metastásico. Llamado NetActivity, esta técnica supone una novedad, pues permite estudiar diferencias entre funciones moleculares, en contraste con las herramientas ya existentes que estudian diferencias entre genes individuales. NetActivity ha sido entrenado para definir la actividad de más de 1.500 procesos biológicos y ha sido optimizado para medir y combinar la expresión de los genes. “Nuestro sistema permite identificar características biológicas como la velocidad de división celular. Además, supera a métodos ya existentes por consistencia e interpretabilidad, como GSVA”, según los investigadores. Los resultados se han publicado en la revista científica Nucleic Acids Research.

Conocer la actividad de los genes

“Esta red neuronal está compuesta de capas que representan una función molecular concreta, lo que permite una interpretación más clara de los datos de expresión génica. Además, permite priorizar los genes biológicamente más relevantes para cada función, facilitando su posterior validación experimental”, explica Carlos Ruiz Arenas, primer autor del trabajo e investigador postdoctoral del Cima Universidad de Navarra. Así, esta metodología define valores de actividad de las principales funciones moleculares a partir de los valores de expresión de genes individuales mediante una estructura de autoencoder, un tipo de red neuronal artificial que se utiliza para aprender representaciones eficientes de datos. “Se trata de un nuevo avance que da una visión más profunda para la comprensión de la actividad de los genes y sus procesos biológicos”, detalla Mikel Hernáez, director del grupo de investigación de Machine Learning en Biomedicina del Cima, integrado en el Cancer Center Clínica Universidad de Navarra. Este innovador enfoque ya se encuentra disponible públicamente en los repositorios Bioconductor y GitHub, ofreciendo nuevas posibilidades para la validación experimental de los resultados de la investigación científica y el análisis de datos en el campo de la biología molecular.