General Purpose AI for Public Data Analysis and Experimental Hypothesis Generation

La biología ha entrado en una era en la que los descubrimientos más valiosos a menudo no se encuentran en nuevos experimentos, sino en los vastos archivos de datos ya recopilados. Durante años, los científicos han generado enormes bibliotecas de información molecular, registrando la actividad de genes y proteínas en tejidos sanos y enfermos. Estos registros son como mapas detallados del funcionamiento interno del cuerpo humano, pero a menudo fueron creados para responder preguntas específicas y limitadas. El desafío para la ciencia moderna es mirar estos mapas existentes y plantear nuevas preguntas que los exploradores originales nunca pensaron en proponer. Aquí es donde la inteligencia artificial entra en escena, no como un reemplazo para los investigadores humanos, sino como una herramienta capaz de escanear estos conjuntos masivos de datos para encontrar patrones ocultos y sugerir nuevos caminos para la investigación. El objetivo es ver si una computadora puede actuar como una compañera de un biólogo, filtrando registros públicos para proponer ideas comprobables sobre cómo se comportan las células, cómo se desarrollan las enfermedades y qué podría detenerlas.

Un estudio reciente exploró precisamente este potencial al probar cómo la inteligencia artificial de propósito general podría ayudar a los científicos a generar e investigar nuevas preguntas biológicas utilizando datos públicos. Los investigadores no simplemente le pidieron a la computadora que encontrara una sola respuesta; en su lugar, establecieron una serie de investigaciones complementarias para ver qué tan bien podía la IA navegar por paisajes biológicos complejos. En una línea de investigación, el equipo utilizó herramientas interactivas para analizar datos de células individuales, con la esperanza de encontrar señales que pudieran ayudar a las células madre humanas a convertirse en tipos específicos de tejido. La IA señaló una vía de señalización específica que involucra una molécula llamada Apelina como un candidato probable para guiar esta transformación. Sin embargo, cuando los científicos tomaron esa sugerencia y la probaron en el laboratorio bajo las condiciones que ellos eligieron, el efecto esperado no apareció. Este resultado resaltó una distincción crucial: encontrar un patrón en los datos no es lo mismo que demostrar que un efecto biológico existe en el mundo real.

Luego, los investigadores cambiaron su enfoque hacia el cáncer, pidiéndole a la IA que buscara en datos públicos de células individuales posibles objetivos en las células tumorales que pudieran ser atacados por células inmunitarias diseñadas. Realizaron el análisis en datos de pacientes con mieloma múltiple, un cáncer de la sangre, y encontraron que tres ejecuciones separadas del análisis identificaron consistentemente los mismos cincuenta objetivos candidatos. Entre ellos, dos marcadores bien conocidos, BCMA y CD38, aparecieron repetidamente, confirmando la capacidad de la IA para recuperar el conocimiento establecido. Cuando se aplicó el mismo proceso al adenocarcinoma ductal pancreático, un tipo de cáncer de páncreas, los resultados fueron menos uniformes. Las tres ejecuciones produjeron hallazgos exploratorios diferentes y no lograron nominar un único objetivo que cumpliera con sus estrictos criterios de selección, ilustrando que el éxito de la IA puede variar dependiendo de la complejidad y la naturaleza de los datos de la enfermedad.

Para probar si la IA podía descubrir conocimientos sin el sesgo humano, el equipo llevó a cabo dos análisis separados en datos anonimizados de pulmón sin decirle inicialmente a la computadora qué tejido estaba buscando o qué enfermedad tenían los pacientes. Incluso sin este contexto, la IA identificó con éxito los diferentes tipos de células que componen el pulmón e infirió que el tejido había experimentado una remodelación asociada con la enfermedad. Cuando los investigadores proporcionaron posteriormente la información del tejido y de la enfermedad a la IA, esta generó una lista de nuevas preguntas biológicas. Ocho de estas preguntas mostraron apoyo estadístico cuando se verificaron contra un conjunto independiente de datos de pacientes. Esto incluyó observaciones sobre cómo diferentes tipos de células coordinaban sus defensas antioxidantes y un aumento específico de una proteína llamada CRYM dentro de las células de fibroblastos, lo que sugiere que estas son relaciones biológicas genuinas que vale la pena estudiar más a fondo.

En un esfuerzo final y más amplio, el equipo integró múltiples tipos de datos para priorizar tratamientos potenciales para el cáncer de páncreas. Combinaron información sobre la expresión de ARN, que muestra qué genes están activos, con datos sobre proteínas, resultados de cribados funcionales que prueban qué sucede cuando se desactivan los genes, y mediciones de cómo aparecen estas moléculas en tejidos normales y sanos. Este enfoque multicapa les ayudó a reducir una larga lista de posibilidades a 213 objetivos terapéuticos potenciales. Al observar todos estos parámetros juntos, los científicos pudieron distinguir entre candidatos que parecían similares basándose solo en el ARN y evaluar si eran funcionalmente relevantes y seguros de atacar en tejidos normales. Si bien este trabajo identificó con éxito una lista refinada de candidatos, los investigadores señalaron que queda por establecer si estos objetivos funcionarán realmente como terapias.

Juntos, estas investigaciones demuestran cómo la inteligencia artificial de propósito general puede extender el alcance de los biólogos experimentales, permitiéndoles extraer hipótesis y de identificar relaciones biológicas a partir de datos públicos que de otro modo podrían pasar desapercibidas. El estudio también sirve como un recordatorio claro de que completar un análisis y encontrar un patrón reproducible en un conjunto de datos son pasos distintos a establecer un efecto experimental o terapéutico en el mundo real. La IA demostró ser capaz de sugerir direcciones y resaltar conexiones, pero la validación definitiva de esas ideas aún requiere el trabajo cuidadoso y fundamentado de los científicos humanos en el laboratorio.