MADRID, 14 Feb. (EUROPA PRESS) -
El Vlaams Instituut voor Biotechnologie de Bélgica presenta un nuevo estudio en 'Science' en el que sus investigadores utilizan el aprendizaje profundo para comparar la regulación genética en diferentes tipos de células de cerebros humanos y de pollos. Esto ha permitido una visión de 300 millones de años de evolución del cerebro.
En concreto, el equipo de investigación belga explora cómo los interruptores genéticos que controlan la actividad de los genes definen los tipos de células cerebrales en las distintas especies. Para ello, entrenaron modelos de aprendizaje profundo con datos cerebrales de humanos, ratones y pollos. Así, descubrieron que, si bien algunos tipos de células están muy conservados entre aves y mamíferos después de millones de años de evolución, otros han evolucionado de manera diferente. Los hallazgos no solo arrojan nueva luz sobre la evolución del cerebro; también proporcionan herramientas poderosas para estudiar cómo la regulación genética da forma a diferentes tipos de células, en distintas especies o en diferentes estados de enfermedad.
Nuestro cerebro, y por extensión todo nuestro cuerpo, está formado por muchos tipos diferentes de células. Si bien comparten el mismo ADN, todos estos tipos de células tienen su propia forma y función. Lo que hace que cada tipo de célula sea diferente es un complejo rompecabezas que los investigadores han estado tratando de armar durante décadas a partir de secuencias cortas de ADN que actúan como interruptores, controlando qué genes se activan o desactivan. La regulación precisa de estos interruptores garantiza que cada tipo de célula cerebral utilice solo las instrucciones genéticas adecuadas del genoma para realizar su función única. Los científicos se refieren a los patrones únicos de estos interruptores genéticos como un código regulador.
El profesor Stein Aerts y su equipo de VIB.AI y el Centro de Investigación del Cerebro y las Enfermedades de VIB-KU Leuven de Bélgica estudian los principios fundamentales de este código regulador y cómo puede afectar a enfermedades como el cáncer o los trastornos cerebrales. En concreto, desarrollan métodos de aprendizaje profundo para ayudar a dar sentido a la enorme cantidad de información sobre la regulación genética que recopilan de miles y miles de células individuales.
"Los modelos de aprendizaje profundo que trabajan con el código de secuencia de ADN nos han ayudado enormemente a identificar mecanismos reguladores en diferentes tipos de células", explica Aerts. "Ahora, queríamos explorar si este código regulador también podría informarnos sobre cómo se conservan estos tipos de células en las distintas especies".
De esta forma, Nikolai Hecker y Niklas Kempynck, posdoctorado y estudiante de doctorado respectivamente en el laboratorio de Aerts, desarrollaron e implementaron modelos de aprendizaje automático para caracterizar y comparar diferentes tipos de células en cerebros humanos, de ratones y de pollos, que abarcan aproximadamente 320 millones de años de evolución. Sin embargo, antes de poder comparar realmente, primero tuvieron que comprender mejor la composición de los tipos de células del cerebro de los pollos, por lo que crearon un atlas transcriptómico integral.
"Nuestro estudio demuestra cómo podemos utilizar el aprendizaje profundo para caracterizar y comparar diferentes tipos de células en función de sus códigos reguladores", desarrolla Hecker. "Podemos utilizar estos códigos para comparar genomas de diferentes especies, identificar qué códigos reguladores se han conservado evolutivamente y obtener información sobre cómo han evolucionado los tipos de células".
El equipo descubrió que, si bien algunos códigos de células reguladoras están muy conservados entre aves y mamíferos, otros han evolucionado de manera diferente. En particular, los códigos reguladores de ciertas neuronas de las aves se parecen a los de las neuronas de las capas profundas del neocórtex de los mamíferos.
"Mirar directamente el código regulatorio presenta una ventaja significativa", agrega Kempynck. "Puede decirnos qué principios regulatorios son compartidos por todas las especies, incluso si la secuencia de ADN en sí ha cambiado".
Esta información regulatoria es útil más allá de la comprensión de la evolución. Según Aerts: "En última instancia, los modelos que aprenden el código regulador genómico tienen el potencial de analizar genomas e investigar la presencia o ausencia de tipos celulares específicos o estados celulares en cualquier especie. Esta sería una herramienta poderosa para estudiar y comprender mejor las enfermedades".
