Inteligencia artificial encuentra pistas sobre el cáncer a toda velocidad

Table of Contents

Investigadores de la Universidad de Gotemburgo desarrollaron un modelo de inteligencia artificial que aumenta el potencial de detección de cáncer mediante el análisis de azúcar. Este modelo de inteligencia artificial, según lo informado, es mejor, y más rápido, para encontrar anomalías que el método semimanual actual.

Los glicanos, o estructuras de las moléculas de azúcar en nuestras células, se pueden medir mediante espectrometría de masas. Un uso importante es que las estructuras pueden indicar diferentes formas de cáncer en las células.

El espectrómetro de masas puede detectar diferentes estructuras de las moléculas de azúcar, llamadas glicanos, en nuestras células. Las estructuras pueden indicar diferentes formas de cáncer en las células. Crédito de la imagen: Lundberg Research Foundation/Magnus Gotander

Sin embargo, los humanos deben analizar cuidadosamente los datos de la medición del espectrómetro de masas para determinar la estructura a partir de la fragmentación de glicanos¹. Este proceso puede llevar desde horas hasta días para cada muestra y sólo puede llevarlo a cabo con gran confianza un pequeño número de expertos en el mundo, ya que es esencialmente un trabajo de detective aprendido a lo largo de muchos años.

Automatizar el trabajo
#

Así, el proceso supone un obstáculo en el uso de análisis de glucanos², por ejemplo para la detección de cáncer, cuando hay muchas muestras por analizar.

Investigadores de la University of Gothenburg han desarrollado un modelo de IA para automatizar este trabajo de detective. El modelo de IA, llamado CandyCrunch, resuelve la tarea en tan sólo unos segundos por prueba. Los resultados fueron presentados en un artículo científico de la revista Nature Methods.

El modelo de IA fue entrenado utilizando una base de datos de más de 500.000 ejemplos de diferentes fragmentaciones y estructuras asociadas de moléculas de azúcar.

“La formación ha permitido a Candycrunch calcular la estructura exacta del azúcar en una muestra en el 90 por ciento de los casos”, afirmó Daniel Bojar, profesor asociado de Bioinformática en la University of Gothenburg.

Nuevos biomarcadores
#

Según los investigadores, el logro implicaría que el modelo de IA pronto podría alcanzar los mismos niveles de precisión que la secuenciación de otras secuencias biológicas, como el ADN, el ARN o las proteínas.

Debido a que el modelo de IA es tan rápido y preciso en sus respuestas, puede acelerar el descubrimiento de biomarcadores basados en glicanos tanto para el diagnóstico como para el pronóstico del cáncer.

“Creemos que los análisis de glicanos se convertirán en una parte más importante de la investigación biológica y clínica ahora que hemos automatizado el mayor cuello de botella” para los avances, afirmó Bojar.

Según los investigadores, el modelo de IA Candycrunch también es capaz de identificar estructuras que los análisis humanos a menudo pasan por alto debido a sus bajas concentraciones. Por tanto, el modelo puede ayudar a los investigadores a encontrar nuevos biomarcadores basados en glicanos.

Importante
#

El paper Predicting glycan structure from tandem mass spectrometry via deep learning, fue publicado en Nature Methods Sus autores son: James Urban, Daniel Bojar, Chunsheng Jin, Kristina A. Thomsson, Niclas G. Karlsson, Callum M. Ives & Elisa Fadda.

Urban, J., Jin, C., Thomsson, K.A. et al. Predicting glycan structure from tandem mass spectrometry via deep learning. Nat Methods 21, 1206–1215 (2024). https://doi.org/10.1038/s41592-024-02314-6