Gli scienziati della Icahn School of Medicine del Mount Sinai hanno creato un nuovo modello di intelligenza artificiale (IA) che aiuta a svelare come i geni interagiscono all’interno delle cellule umane, offrendo un nuovo e potente strumento per comprendere la biologia e le malattie.
Lo studio, pubblicato su Patterns, una rivista di Cell Press, introduce un modello di base per insiemi di geni (GSFM) progettato per apprendere schemi di raggruppamento e funzionamento dei geni in migliaia di contesti biologici.
La ricerca trae ispirazione dai progressi nei modelli linguistici su larga scala (LLM) come ChatGPT, che apprendono come le parole acquisiscono significato a seconda del contesto. In modo analogo, un GSFM apprende come i geni si comportano in modo diverso a seconda del loro “contesto” cellulare.
“I geni raramente agiscono da soli. Al contrario, partecipano a molteplici processi biologici, formando diversi raggruppamenti molecolari a seconda di dove e quando sono attivi nella cellula. Un singolo gene può svolgere ruoli diversi in contesti diversi, proprio come una parola può avere significati diversi in frasi diverse”, afferma l’autore senior corrispondente Avi Ma’ayan, professore di Scienze Farmacologiche e direttore del Mount Sinai Center for Bioinformatics presso la Icahn School of Medicine del Mount Sinai. “Così come i moderni modelli linguistici apprendono il significato delle parole dal contesto, ci siamo chiesti se l’intelligenza artificiale potesse apprendere il “significato” dei geni allo stesso modo. Il nostro GSFM è stato progettato proprio per questo”.
L’organizzazione strutturale e funzionale dei geni
Il modello fornisce un nuovo modo per comprendere l’organizzazione strutturale e funzionale dei geni e dei loro prodotti all’interno delle cellule umane. Questa migliore comprensione potrebbe in futuro supportare lo sviluppo di migliori strumenti diagnostici, biomarcatori e terapie. Mappando le relazioni tra i geni in molteplici situazioni biologiche, il GSFM crea un quadro di riferimento che può aiutare gli scienziati a interpretare in modo più efficace complessi set di dati multi-omici, affermano i ricercatori.
“L’organizzazione dei geni all’interno delle cellule rimane una delle principali questioni irrisolte in biologia. Il GSFM contribuisce a risolverla apprendendo da milioni di raggruppamenti di geni derivati da ricerche pubblicate e set di dati di espressione genica”, afferma il Dr. Ma’ayan.
Il modello può aiutare a identificare la funzione di geni poco conosciuti senza la necessità di esperimenti di laboratorio immediati ed evidenziare i geni coinvolti nei processi patologici.
Può inoltre suggerire potenziali nuovi bersagli farmacologici e biomarcatori e fornire un sistema di conoscenza riutilizzabile per molti tipi di analisi di dati di ricerca biomedica, ad esempio, un’analisi di arricchimento dei set di geni migliorata.
In sostanza, affermano i ricercatori, il GSFM offre una nuova “mappa” di come i geni interagiscono in contesti diversi.
Un modello di intelligenza artificiale
Per costruire il modello, i ricercatori hanno raccolto milioni di set di geni da studi scientifici pubblicati e set di dati di espressione genica. Complessivamente, il sistema ha appreso da centinaia di migliaia di ricerche indipendenti.
Il modello di intelligenza artificiale è stato addestrato in modo simile alla risoluzione di un puzzle: gli è stata fornita una parte di un set di geni e gli è stato chiesto di prevedere i pezzi mancanti. Nel tempo, il modello ha appreso schemi sottostanti che descrivono come i geni sono raggruppati e interagiscono.
Il modello di intelligenza artificiale è stato quindi confrontato con altri approcci e ha dimostrato prestazioni elevate, tra cui la capacità di identificare le relazioni gene-gene e gene-funzione prima che fossero confermate sperimentalmente. Per valutare ciò, il modello è stato addestrato utilizzando set di geni provenienti da pubblicazioni fino a una data limite definita, e successivamente testato per verificare se fosse in grado di prevedere le scoperte riportate in studi pubblicati dopo tale data.
“A differenza dei precedenti modelli di intelligenza artificiale in ambito biologico, che si basano principalmente sui dati di espressione genica, il nostro GSFM è addestrato specificamente su set di geni, un tipo di informazione biologica diverso e ampiamente sottoutilizzato”, afferma il Dott. Ma’ayan. “Questo approccio consente al modello di integrare dati eterogenei provenienti da diverse malattie, metodi sperimentali e condizioni di ricerca, creando una rappresentazione unificata delle relazioni geniche in ambito biologico.”
Prevedere come i farmaci interagiscono con le cellule
I GSFM potrebbero migliorare gli strumenti bioinformatici esistenti e perfezionare l’interpretazione dei dati raccolti con le tecnologie omiche. Un’applicazione immediata riguarda l’analisi di arricchimento dei set di geni, un metodo ampiamente utilizzato nella ricerca in biologia molecolare. Migliorando il modo in cui gli scienziati interpretano i raggruppamenti genici, il modello potrebbe contribuire a scoprire nuove informazioni biologiche sia da set di dati esistenti che futuri.
Il gruppo di ricerca prevede di espandere il sistema combinando GSFM con altri modelli di base di intelligenza artificiale. Un obiettivo è integrarlo con modelli basati sul linguaggio per generare spiegazioni in linguaggio naturale delle funzioni geniche. Un’altra direzione futura è combinare GSFM con modelli di intelligenza artificiale focalizzati sui farmaci, con l’obiettivo a lungo termine di prevedere come i farmaci interagiscono con le cellule e supportare la progettazione di nuove terapie.
Le pagine relative ai geni e il modello GSFM sono accessibili ai seguenti indirizzi: https://gsfm.maayanlab.cloud e https://github.com/MaayanLab/gsfm.
