Investigadores de la Universidad Ben-Gurión del Negev han desarrollado un innovador algoritmo de aprendizaje automático que promete revolucionar nuestra comprensión de la biología humana y las enfermedades. Este nuevo método, denominado Weighted Graph Anomalous Node Detection (WGAND), se inspira en el análisis de redes sociales y está diseñado para identificar proteínas clave en diversos tejidos humanos.
Las proteínas son moléculas esenciales en nuestros cuerpos y su interacción forma redes complejas, conocidas como redes de interacción proteína-proteína (PPI). El estudio de estas redes permite a los científicos entender cómo funcionan las proteínas y cómo contribuyen a la salud y a la enfermedad. El equipo de investigación, liderado por la profesora Esti Yeger-Lotem y compuesto por el Dr. Michael Fire, el Dr. Jubran Juman y el Dr. Dima Kagan, ha creado un algoritmo que analiza estas redes PPI para detectar proteínas «anómalas», aquellas que se destacan por su particular patrón de interacciones ponderadas.
Innovaciones en el análisis de proteínas
La singularidad de estas proteínas radica en que su cantidad y la de sus interacciones son significativamente mayores en un contexto específico, lo que sugiere que desempeñan funciones cruciales en ese entorno. Esto implica una importancia biológica tal que el organismo no desperdiciaría energía en su producción sin una razón válida.
La investigación combina la experiencia en redes de proteínas de la profesora Yeger-Lotem con el análisis de redes del Dr. Fire, quien ha trabajado en la detección de patrones atípicos en redes sociales, una técnica que ha demostrado ser efectiva en la identificación de transacciones fraudulentas y comportamientos sospechosos. La novedad del estudio publicado en GigaScience radica en que los algoritmos que se utilizan para detectar anomalías en redes sociales ahora pueden aplicarse a las redes de proteínas dentro de las células individuales.
WGAND ha logrado identificar proteínas asociadas a enfermedades específicas de los tejidos, incluyendo trastornos cerebrales y condiciones cardíacas. Además, ha señalado proteínas involucradas en procesos biológicos críticos, como la señalización neuronal en el cerebro y la contracción muscular en el corazón. Este algoritmo no solo ha demostrado ser eficaz, sino que también ha superado a otros métodos existentes en términos de precisión y exactitud.
La profesora Yeger-Lotem afirma que «este innovador algoritmo tiene el potencial de identificar qué proteínas son importantes en contextos específicos, ayudando a los científicos a desarrollar tratamientos más dirigidos y efectivos para diversas condiciones». Por su parte, el Dr. Fire destaca la importancia de la colaboración entre la bioinformática y la ciberseguridad, enfatizando cómo este enfoque multidisciplinario ha llevado a avances significativos en la comprensión de la biología humana.
Además, en línea con los principios del Dr. Fire como director del Fire AI Lab, el algoritmo WGAND es de código abierto, lo que permite que investigadores de todo el mundo lo utilicen y lo desarrollen aún más. Asimismo, el laboratorio de Yeger-Lotem mantiene herramientas web que facilitan el acceso a investigadores sin antecedentes computacionales, democratizando así los avances en este campo.
Más información:
Dima Kagan et al, Network-based anomaly detection algorithm reveals proteins with major roles in human tissues, GigaScience (2025). DOI: 10.1093/gigascience/giaf034
