Identificación de modelos que describan datos de expresión génica utilizando métodos de aprendizaje automático

Área de la Ciencia:

• Biología de sistemas
• Biología computacional
• Aprendizaje automático

Sus antecedentes:

• Los modelos mecánicos de ecuaciones diferenciales ordinarias (EDO) son cruciales para comprender los procesos celulares y formular hipótesis biológicas.
• La inferencia basada en datos de estos modelos está aumentando, pero la integración del aprendizaje automático (ML) sin perder la interpretabilidad sigue siendo un desafío.
• Las redes reguladoras de genes (GRNs) gobiernan la dinámica intracelular compleja, incluida la diferenciación celular.

Objetivo del estudio:

• Presentar un marco que aproveche las redes neuronales para identificar modelos ODE interpretables y basados en datos de las GRN.
• Utilizar ML para sugerir nuevas conexiones dentro de las GRN, mejorando la precisión del modelo y la visión biológica.
• Generar hipótesis comprobables con respecto a la dinámica de los procesos intracelulares.

Principales métodos:

• Desarrollo de un marco que integre las redes neuronales con el modelado ODE mecanicista.
• Aplicación de un modelo de autoencoder de gráficos para inferir y sugerir conexiones en GRNs.
• Validación del enfoque en procesos intracelulares dependientes del tiempo, como la diferenciación celular.

Principales resultados:

• Se ha demostrado la aplicación exitosa del autoencoder de gráficos para sugerir nuevas conexiones GRN.
• Demostró cómo las estructuras gráficas mejoradas mejoran la identificación de sistemas dinámicos.
• Generó nuevas hipótesis con respecto a la dinámica de los procesos celulares identificados.

Conclusiones:

• El marco propuesto utiliza efectivamente las redes neuronales para identificar modelos mecanicistas interpretables de GRN.
• Este enfoque facilita la generación de nuevas hipótesis basadas en datos para sistemas biológicos complejos.
• La integración de ML ofrece una herramienta poderosa para avanzar en la biología de sistemas y comprender los mecanismos celulares.