Una investigación publicada hoy en la revista Celúla Las moléculas artificiales marcan el primer ejemplo informado de IA, que puede controlar con éxito la expresión del gen en células sanas del acné. Investigadores del Centro de Regulación Genómica (CRG) han desarrollado un peaje de IA que sueña con corrientes regulatorias de ADN que no se habían visto en la naturaleza antes. Se puede pedir al modelo que haga piezas artificiales de ADN con calidad personalizada, por ejemplo: “Cambie este gen a las células madre que se convertirán en glóbulos rojos pero no plaquetas”.
Luego, el modelo predijo qué combinación de ADN (A, T, C, G) se necesita para muestras de expresión génica en ciertos tipos de células. Los investigadores pueden sintetizar químicamente unas 250 piezas de ADN de 250 láminas y agregar a las células a la entrega de las células.
Como concepto de concepto, los autores del estudio pidieron a la IA que diseñara piezas artificiales que activen genes que codifican proteínas fluorescentes en algunas células, dejando las muestras de expresión de genes inconscientes. Hicieron piezas desde el principio y las dejaron caer en las células sanguíneas del ratón, donde los lugares aleatorios están dispuestos con el genoma. Los experimentos funcionaron perfectamente según la predicción.
“Las aplicaciones potenciales son amplias”, dice el Dr. Robert Framel, el primer autor en trabajar en la Regulación Genómica (CRG) en Barcelona. Es como escribir software, pero para la biología, ofrecemos nuevas formas de instruir y guiar una celda, cómo se desarrollan y se desarrollan sin precedentes.
Este estudio solo puede causar nuevas formas de promover o los desarrolladores de terapia génica generadores húmedos solo en células o tejidos que necesitan ser ajustados. También allanó el camino para que las nuevas estrategias arreglaran los genes de un paciente y haga que el tratamiento sea más eficiente y reduzca los efectos secundarios.
El trabajo indica un hito importante en el campo de la biología generativa. Hasta la fecha, el progreso en este campo ha beneficiado enormemente el diseño de proteínas, que ayuda a los científicos a crear nuevas enzimas y anticuerpos más rápido que nunca. Sin embargo, muchas enfermedades humanas surgen de la expresión de genes pobres que son específicos del tipo de célula, para lo cual la proteína nunca puede ser el candidato perfecto para el medicamento.
Elementos regulatorios como la expresión génica, como la mejora, pequeñas piezas de ADN que se encienden o apagan el gen. Los investigadores, los investigadores, pueden combinarse con el genoma en busca de agrandos naturalmente existentes, que están en línea con sus necesidades y se limitan a la evolución.
Los ingenieros de mejora de AI-Inventory pueden ayudar a los interruptores ultra silicato que aún no han sido inventados por la naturaleza. Pueden diseñarse para requerir el patrón deseado/desactivado en ciertos tipos de células, que es un nivel de tonificación fina que es muy importante para el tratamiento del tratamiento terapéutico que evita los efectos no intencionales en las células sanas.
Sin embargo, el desarrollo de modelos de IA requiere muchos datos de alta calidad, que han faltado históricamente. “Debe comprender el habla de las celdas del lenguaje para la biología, debe comprender el discurso de las celdas del lenguaje. Tenemos que explicar a aquellos que mejoran estos principios gramaticales para que podamos crear completamente nuevas palabras y frases”, el Dr. Lars Welton, quien describe el Centro de Regulación Genómica (CRG).
Los autores del estudio desarrollaron una gran cantidad de datos biológicos para construir su modelo de IA mediante experimentos con los modelos de laboratorio de formación de sangre. Estudió tanto potenciadores como factores de duplicación, también involucrados en el control de la expresión del gen proteico.
Hasta ahora, los científicos han estudiado factores aumentados y duplicados, generalmente usaron líneas celulares cancerosas porque es fácil trabajar con ellos. Los investigadores trabajaron con células sanas porque son más representativas de los organismos humanos. Su trabajo ayudó a exponer los mecanismos precisos que crean la producción de nuestro sistema inmunitario y células sanguíneas.
En cinco años, el equipo combinó más de 64,000 adictos artificiales, cada uno cuidadosamente diseñado para probar la fuerza de varios arreglos y sitios vinculantes para 38 factores de transcripción diferentes. Es la biblioteca más grande de potenciadores artificiales construidos en células sanguíneas hasta el día de hoy.
Una vez que las células entraron, el equipo descubrió absolutamente cuán activo fue cada aumento artificial en las siete etapas del crecimiento de los glóbulos sanguíneos. Descubrieron que, si bien muchos adictos activan el gen en un tipo de célula, presionan los genes en el otro.
La mayoría de los potenciadores trabajaron como un dial de volumen, subiendo la actividad del gen hacia arriba o hacia abajo. Sorprendentemente, algunas colecciones funcionaron como interruptor de encendido/apagado. Los científicos lo llaman “armonía negativa”, lo que significa los dos factores que generalmente cambian un gen individualmente cuando pueden cerrar este gen de manera efectiva cuando están juntos.
Los datos obtenidos de las experiencias fueron muy importantes para establecer los principios de diseño del modelo de aprendizaje automático. Una vez que el modelo tiene muchas medidas en cómo cada potenciador artificial cambió la actividad del gen en células reales, puede predecir nuevos diseños que logran los resultados/desactivados, incluso si nunca está presente en la naturaleza de la naturaleza en crecimiento.
Este estudio se desarrolló para determinar si una tecnología podría funcionar prácticamente antes de realizar una investigación a gran escala. Los investigadores acaban de rascar el nivel. Tanto los humanos como los ratones tienen una estimación de que manejan su genoma.
El trabajo se realizó en Lars Welton, Robert Freemal, Julia Rahul, Aina Bernal Martines, Chelsea Suzu-Too y Felix Pachako Pastor, todos miembros del grupo de investigación de Lars Welton para la regulación genómica. La colega de Barcelona, Rosa Martínez Coral, también participó en un movimiento conjunto entre CRG y Embl Barcelona. La investigación fue financiada por la Unión Europea a través de la subvención de la ERC y la subvención de la Agencia Nacional de Investigación española.
