Los investigadores de Google DeepMind están utilizando inteligencia artificial para predecir si las mutaciones en genes humanos pueden ser dañinas, en uno de los primeros ejemplos de tecnología de inteligencia artificial que ayuda a acelerar el diagnóstico de enfermedades causadas por variantes genéticas.
La herramienta de inteligencia artificial, llamada AlphaMissense, evaluó los 71 millones de mutaciones "sin sentido", en las que se cambia una sola letra del código genético humano. De estos, el 32% fueron clasificados como posiblemente patógenos, el 57% fueron benignos y el resto fueron indeterminados. Los hallazgos fueron publicados el martes en la revista Science.
El director ejecutivo de Meta, Mark Zuckerberg, anunció el martes que la Iniciativa Chan Zuckerberg, la organización filantrópica que cofundó con su esposa Priscilla Chan, construirá "uno de los sistemas informáticos más grandes dedicados a las ciencias biológicas sin fines de lucro", lo que ilustra la inversión de recursos en inteligencia artificial en el campo de las ciencias biológicas. Se centrará en utilizar inteligencia artificial para simular lo que sucede en las células vivas.
Hasta ahora, los expertos humanos han descubierto sólo el 0,1% del impacto clínico de las variantes sin sentido que alteran la estructura de las proteínas, las principales moléculas de trabajo del cuerpo. "Los experimentos para descubrir variantes que causan enfermedades son caros y laboriosos", afirmó Žiga Avsec, investigador del proyecto en la sede de DeepMind en Londres. "Cada proteína es única y cada experimento debe diseñarse individualmente, lo que puede llevar meses. Al utilizar predicciones de IA, los investigadores pueden obtener una vista previa de los resultados de miles de proteínas a la vez, lo que ayuda a priorizar los recursos y acelerar estudios más complejos".
"Debemos enfatizar que estas predicciones nunca tuvieron la intención de usarse únicamente para el diagnóstico clínico", dijo Cheng Jun, también investigador del proyecto. "Siempre deberían usarse junto con otras evidencias. Sin embargo, creemos que nuestras predicciones ayudarán a mejorar el diagnóstico de enfermedades raras y también pueden ayudarnos a encontrar nuevos genes que causan enfermedades".
Las predicciones de AlphaMissense muestran mutaciones en dos estructuras proteicas (ver otra imagen). El rojo es dañino, el azul es benigno, el gris es incierto
Genomics England del gobierno británico probó las predicciones de la herramienta con su propio y extenso registro de variantes genéticas que causan enfermedades raras, y los resultados fueron impresionantes, dijo la subdirectora médica Ellen Thomas.
"No participamos en el desarrollo de la herramienta y no proporcionamos los datos para entrenarla de modo que pudiéramos evaluarla de forma independiente", dijo Thomas. "Es completamente diferente de las herramientas que ya estamos usando. Creo que es un gran paso adelante y estamos entusiasmados de participar en las etapas finales de considerar el uso de esta herramienta". Espera que AlphaMissense se utilice en la atención sanitaria para ser "un copiloto para los científicos clínicos, señalando las variantes que deberían preocuparles para que puedan hacer su trabajo de manera más eficiente".
DeepMind desarrolló AlphaMissense basándose en su herramienta AlphaFold para predecir estructuras de proteínas. La herramienta de IA también aprendió de una gran cantidad de evidencia biológica sobre las firmas de mutaciones genéticas en humanos y otros primates que hacen que las variantes genéticas sean patógenas o benignas.
La empresa, fundada en 2010 como desarrollador profesional de inteligencia artificial y adquirida por Google en 2014, ha puesto la herramienta "gratuita para la comunidad científica". Sus predicciones se incorporarán al ampliamente utilizado EnsemblVariantEffectPredictor dirigido por el Instituto Europeo de Bioinformática en Cambridge.
AlphaMissense también tiene limitaciones, afirmó Avsec. Lo más importante es que sus predicciones de patogenicidad "son sólo generales y no nos dicen nada sobre las propiedades biofísicas de la variante". Añadió que estas ideas pueden surgir más claramente a medida que se desarrolle más la herramienta.
Sarah Teichmann, jefa de citogenética del Instituto Wellcome Sanger de Cambridge, que no participó en el estudio, dijo que si bien las mutaciones sin sentido individuales son causas importantes de enfermedad, otros cambios clínicamente significativos en el ADN están más allá del alcance de la herramienta.
"No debemos exagerar y decir que esto va a solucionar todo", afirmó. "Pero tener una IA interpretativa tan poderosa para integrar tantos datos genómicos es realmente una mejora".