En 2015 el instituto de Bioinformática A* Star desarrolló una aplicación android capaz de analizar y etiquetar moléculas como las del ADN o las proteínas. Ahora, los científicos han mejorado sustancialmente sus posibilidades implementando un algoritmo de procesamiento de imágenes utilizado en juegos de ordenador.
La aplicación científica GelApp permite realizar una técnica de laboratorio muy común analizando una muestra a través de un gel con carga eléctrica. Dado que las moléculas individuales se mueven en el gel a velocidades diferentes, se separan y se crea un patrón gráfico de bandas en la superficie. Del tamaño de las mismas se deduce qué genes se modifican o las proteínas que se alteran.
Hasta ahora, estas imágenes se identificaban visualmente y se marcaban a mano. Este proceso analógico no sólo conlleva errores, sino que consume mucho tiempo de trabajo.
Buscando la forma de perfeccionar la app, los investigadores se fijaron en el machine learning y los avances en los juegos de ordenador. Así, instalaron el algoritmo AlphaGo de Google DeepMind, creado para jugar al antiguo juego de mesa Go. Este algoritmo fue capaz de ganar en 2015 a un jugador profesional chino usando su Inteligencia Artificial.
Ahora, GelApp es capaz de aprender de los usuarios individuales, de acuerdo con sus experimentos en cada laboratorio, así como entrenarse a sí mismo usando imágenes marcadas por los expertos.
El equipo comprobó que GelApp 2.0 ofrece una precisión mejorada en la detección de bandas en torno al 56 por ciento en las proteínas y alrededor de 36 por ciento en el caso del ADN, en comparación con la aplicación original. Ahora espera ampliar el uso de algoritmos en el procesamiento de imágenes, por ejemplo, en el análisis de imágenes de tejido para el diagnóstico de enfermedades.
[youtube]https://youtu.be/PT3z9qS7TtU[/youtube]
Modelados 3D que sustituyen animales de laboratorio
Otro equipo de investigadores dirigido por Maurizio Porfiri, profesor de ingeniería mecánica y aeroespacial en la NYU Tandon School of Engineering, ha desarrollado con éxito el primer marco de modelado basado en datos capaz de simular la natación del pez cebra en tres dimensiones. La tecnología, que captura los movimientos de los peces en un acuario de forma similar a la que se emplea para crear personajes en juegos o películas, está basada en los datos de la vida real y es lo suficientemente eficaz como para reemplazar a los animales en algunos tipos de investigación, en particular los estudios de comportamiento neurológico que son fundamentales para la comprensión del cerebro.
Cada año, aproximadamente 20 millones de animales se utilizan en la investigación científica.
Cada vez más estos animales son el pez cebra, que están eclipsando rápidamente a roedores y primates como una especie favorita en la investigación biomédica, debido a su similitud genética con los humanos y su versatilidad.
El grupo de investigación ha hecho un rápido progreso en la modelización del comportamiento del pez cebra a partir del modelo 2D desarrollado por primera vez en 2015. Ahora el modelo 3D también cuenta variables como la modulación de velocidad, la interacción de la pared, y el estilo de natación de pez cebra.
© Scientific Reports 7, Article number: 39877 (2017)
doi:10.1038/srep39877
Para demostrar la utilidad del modelo, los autores del trabajo publicado en Scientific Reports, se remitieron a la literatura científica para recoger los datos de la velocidad de natación del pez cebra en los tanques de diferentes dimensiones en los laboratorios de todo el mundo. Los investigadores observaron que existe una correlación entre el aumento de tamaño del tanque y la velocidad del pez cebra.
El descubrimiento de tal correlación a partir de experimentos en vivo requeriría miles de animales, mientras que el algoritmo requiere sólo unos pocos minutos para realizar los cálculos. El artículo completo está disponible on line.
[youtube]https://youtu.be/r9izj28yyJI[/youtube]
