Biólogos computacionales de la Universidad Carnegie Mellon han tomado un algoritmo utilizado para estudiar las redes sociales, como las comunidades de Facebook, y lo han adaptado para comprender la organización y funcionamiento de los genes.
Han desarrollado un algoritmo similar al que utiliza Facebook para conectar a sus usuarios en un radio determinado, para identificar cómo el ADN, las proteínas y otros componentes del núcleo forman complejas comunidades interconectadas entre sí.
“El comportamiento de comunidades como Facebook puede resultar clave para entender los procesos celulares básicos y los mecanismos de las enfermedades, como el envejecimiento y el desarrollo del cáncer”, explica Jian Ma, profesor asociado del Departamento de Biología Computacional de la CMU.
Sin embargo, analizar la complejidad del ADN requiere de técnicas informáticas específicas, propia de la ciencia de datos, que solo pueden ser recabadas mediante herramientas algorítmicas funcionales.
Gemelo de Facebook
El algoritmo que tomaron los expertos como modelo fue el de la red social de Mark Zuckerberg, puesto que su funcionalidad se acerca exactamente al entendimiento que querían alcanzar.
El algoritmo utiliza la información de los perfiles de los usuarios y los relaciona entre sí para elaborar un patrón de seguimiento y construir comunidades con miembros situados cerca de un mismo radio, categorías o intereses compartidos.
Justamente, los biólogos requerían de una técnica similar que pudiera visibilizar no solo la proximidad de varios elementos, sino también valores complejos como proteínas reguladoras, factores de transcripción y disposición espacial.
Así surgió el algoritmo, al que llamaron MOCHI, con el objetivo de subdividir los componentes nucleares entrelazados en comunidades, según informan en un comunicado.
El algoritmo MOCHI examina la disposición espacial de todos los genes y los factores de transcripción del núcleo celular, basado en interacciones cromosómicas de todo el genoma y redes reguladoras genéticas globales.
Luego que esta información es visualizada por medio de un gráfico 3D, el algoritmo busca ciertos subgráficos o “motivos”, dentro de él.
Un motivo podría ser, por ejemplo, una forma triangular (como es habitual en el análisis de redes sociales) o un subgráfico de cuatro nodos, que el algoritmo utiliza para analizar redes complejas en el núcleo celular.
Por último, el algoritmo agrupa o subdivide el gráfico de forma tal que minimiza la interrupción de estos motivos.
Resultados alentadores
Así como el algoritmo original demostró ser hábil para identificar comunidades dentro de una gran masa de datos de redes sociales, MOCHI identificó lo que parecen ser cientos de comunidades dentro de los núcleos de estos tipos celulares.
Hasta el momento, los investigadores no saben lo que cada comunidad podría hacer, pero dicen que tienen razones para creer que las subdivisiones hechas por MOCHI son válidas.
“Hay una razón por la que estas comunidades se forman en el núcleo”, aseguró Ma.
Y añadió: “Todavía no conocemos los mecanismos de formación de estas comunidades, pero comprenderlos podría ayudar a delinear los procesos celulares fundamentales y sugerir posibles maneras de entender mejor el desarrollo de una enfermedad”.
Referencia
MOCHI permite la detección de módulos interactome heterogéneos en nucleome 3D. Dechao Tiam, et al. Advance January 6, 2020, doi: 10.1101/gr.250316.119
Hacer un comentario