Por otra parte, contamos que para entender cómo funciona la vida, no basta con identificar los genes de un organismo, sino que es fundamental entender cómo interactúan entre sí. Estas interacciones forman Redes de Regulación Génica (GRN), auténticos mapas de instrucciones que controlan desde el desarrollo de un embrión hasta la respuesta a una enfermedad. Para comprender las redes y crear estos mapas, ofreciendo una respuesta al reto computacional que supone, investigadores de la Universidad de Málaga han desarrollado PBEvoGen, una metodología que supone una evolución crítica con respecto a sus antecesores.
La investigación, recientemente publicada en Computational Biology and Chemistry, ha sido liderada por Adrián Segura Ortiz, junto a Antonio Jesús Nebro, José García Nieto y José Francisco Aldana Montes, investigadores del Departamento de Lenguajes y Ciencias de la Computación y del Instituto de Tecnología e Ingeniería del Software (ITIS) de la Universidad de Málaga.
De la automatización a la intervención experta: la innovación de PBEvoGen
Herramientas previas como GENECI se centraron en buscar un consenso básico entre distintas técnicas de aprendizaje automático. Posteriormente, MO-GENECI dio un paso más al equilibrar automáticamente varios objetivos biológicos: “Sin embargo, ambos métodos operaban de forma ciega a la experiencia del investigador. La gran innovación de PBEvoGen es que introduce por primera vez un mecanismo de selección basado en preferencias, permitiendo que el experto humano actúe como un guía para el algoritmo”, explica Adrián Segura Ortiz, impulsor del trabajo, que también forma parte de IBIMA Plataforma BIONAND.
