Investigadores desarrollan un modelo computacional que permite analizar cómo progresan las enfermedades a nivel celular y predecir posibles fármacos eficaces, usando datos de una sola célula a través del tiempo.
Un equipo internacional de científicos liderados por Yale, ha creado una innovadora herramienta llamada UNAGI, que utiliza inteligencia artificial (IA), para analizar datos de transcriptómica de una sola célula en series temporales. El objetivo es entender cómo evolucionan enfermedades complejas como la fibrosis pulmonar idiopática (FPI) y descubrir medicamentos potenciales sin necesidad de realizar pruebas directas en laboratorio. La investigación fue publicada en la revista Nature Biomedical Engineering.
UNAGI, unified in-silico cellular dynamics and drug screening framework o “modelo generativo no supervisado para inferencia de dinámica celular y descubrimiento in silico de fármacos”, combina técnicas avanzadas de aprendizaje profundo con datos obtenidos de tejidos humanos afectados por enfermedades como la FPI. Esta condición pulmonar es crónica y progresiva, caracterizada por una cicatrización irreversible de los pulmones que reduce severamente la capacidad respiratoria.
“El modelo busca la regulación, lo que caracteriza y regula los cambios, y luego, utilizando bases de datos de fármacos conocidas, también sugiere tratamientos”, detalló el coautor principal Naftali Kaminski, profesor de Medicina Pulmonar en la Facultad de Medicina de Yale.
Uno de los aspectos más importantes de UNAGI es su capacidad para integrar datos celulares en distintas etapas de una enfermedad, desde el tejido sano hasta los niveles más avanzados, y así reconstruir cómo cambian los tipos celulares y las redes genéticas a lo largo del tiempo. Este enfoque permite identificar no solo los genes clave en la progresión de la enfermedad, sino también simular de manera virtual o in silico, el efecto que distintos medicamentos podrían tener sobre esos genes y células. UNAGI fue desarrollado utilizando datos secuenciados de 230 mil células.
Para probar su funcionamiento, los investigadores aplicaron UNAGI a muestras de tejido pulmonar de pacientes con fibrosis. El modelo detectó cómo ciertos tipos de células, como los fibroblastos, aumentan de manera significativa a medida que avanza la enfermedad. También reconstruyó redes de regulación genética asociadas con la progresión de la fibrosis, señalando genes como COL1A1, COL3A1 y EP300 como actores clave. Además, la herramienta fue capaz de predecir que medicamentos aprobados como el nintedanib podrían ser eficaces, y también identificó fármacos no probados previamente como el apicidin y la nifedipina como candidatos prometedores.
“Nuestro modelo está diseñado para representar células virtuales y la progresión virtual de la enfermedad”, explicó el Dr. Jun Ding de McGill University School of Medicine y coautor del estudio. Uno de los elementos más útiles de UNAGI es su módulo de perturbación in silico, que permite predecir si un fármaco podrá ayudar a revertir los efectos de la enfermedad. Es decir, simula cómo se moverían las células enfermas hacia un estado más saludable bajo la influencia de ciertos tratamientos. Esta predicción se basa en una comparación del perfil genético de las células tratadas virtualmente con el de las células sanas.
Además de fibrosis pulmonar, los investigadores sugieren que UNAGI puede aplicarse a otras enfermedades complejas, como el COVID-19, debido a su diseño adaptable y su capacidad para analizar dinámicas celulares desde múltiples ángulos.
