Clasificación genética de virus pone la mirada en la inteligencia artificial

 Con ecuaciones matemáticas y algoritmos, unidos a la inteligencia artificial (IA), se construyeron modelos basados en machine learning, o aprendizaje de máquina, que muestran cómo una “representación HIT” extrae características y analiza mejor las secuencias genómicas, al clasificar de forma más precisa y rápida los virus de ARN, conocidos por su capacidad para desencadenar enfermedades mortales; un ejemplo es el SARS-CoV-2, conocido como COVID-19.

En términos sencillos, la clasificación de secuencias de genes de virus es una herramienta que ayuda a entender aspectos clave de estos microorganismos, como su origen, diversidad y relaciones entre sí. Esta información es esencial para estudiar la evolución de los virus, y particularmente para encontrar mecanismos para prevenir emergencias ocasionadas por virus.

Mediante dicho proceso se extraen características que les permiten a los modelos entrenar y encontrar patrones de tal forma que les sea posible clasificar según variables de interés; por ejemplo, el ARN o ácido ribonucleico está compuesto por adenina, guanina, citosina y uracilo. Con base en esa información se emplean técnicas de análisis de datos para identificar las similitudes y diferencias entre dichas secuencias.

Carolina Colmenares Celis, magíster en Bioinformática de la Universidad Nacional de Colombia (UNAL), junto con los profesores Clara Isabel Bermúdez Santana y Luis Fernando Niño, exploró diversas representaciones de estructuras teóricas para analizar y clasificar los virus de ARN por medio de notaciones poco utilizadas.

Las tres elegidas para este estudio fueron el “árbol extendido”, el “HIT” y el “árbol de grano grueso”. Con base en las secuencias y estructuras de los virus, estas representaciones hacen la clasificación mediante técnicas de aprendizaje automático machine learning.

El modelo de clasificación se apoya en varias herramientas de aprendizaje automático que incluyen algoritmos, entre los más conocidos las redes neuronales.

En este caso, la IA actúa como un cerebro artificial capaz de aprender y tomar decisiones basadas en la información que le proporcionan; para ello, a la máquina se le debió enseñar antes a reconocer y clasificar diferentes tipos de virus de ARN.

“Aplicamos diferentes algoritmos a dos conjuntos de datos específicos de secuencias de familias de virus de ARN. Por un lado tuvimos cerca de 15.000 datos extraídos de una base y con ellos hicimos el entrenamiento; por otro lado, contamos con otros datos, que fueron alrededor de 480.000 secuencias de metaviromas recolectados en una expedición biológica a la Sierra Nevada de Santa Marta, y con estos se hizo la evaluación”, explica la investigadora.

Los datos de prueba resultado de la expedición formaron parte de una investigación, también de la UNAL, financiada por Colciencias. Esta información fue clave para validar la clasificación de los virus.

La transformación de estos datos en las representaciones estructurales analizadas se logró mediante el software de uso libre “paquete ViennaRNA”. Después de poner a correr los datos, “limpiarlos”, y dejar los que aplicaran para la clasificación, la representación HIT fue la más efectiva para extraer información crucial, según comenta la magíster.

Esta investigación allanaría el camino para entender mejor y detectar tempranamente virus ARN, lo cual ayudaría a prevenir y mitigar futuras pandemias.

“Estas clasificaciones suelen tomar mucho tiempo, y lo que vimos aquí es que la IA, usada de manera adecuada, ayuda a optimizar procesos y a mejorar la identificación y clasificación de estos virus. Ahora queda seguir haciendo pruebas con más datos para ver otras potencialidades”, concluye la investigadora.