Redes neuronales explicables mejoran predicción genética de riesgo de esquizofrenia
Hecho Qué ha ocurrido
Investigadores de KU Leuven y la Universidad de Montpellier aplicaron redes neuronales de extremo a extremo para predecir el riesgo de esquizofrenia usando datos de secuenciación de exoma completo de 6.135 casos y 6.245 controles. Los modelos no lineales superaron significativamente a los modelos aditivos convencionales cuando el tamaño muestral fue suficiente. Mediante técnicas de IA explicable identificaron genes y vías predictivas, incluyendo un nuevo gen candidato, BASP1, relacionado con el desarrollo neuronal.
Resumen generado mediante IA a partir de Nature · Machine learning (original en inglés). Naturaleza de la información: hecho documentado.
Análisis Por qué importa
Demuestra que la IA puede capturar interacciones genéticas complejas (epistasis) que los modelos estadísticos tradicionales pasan por alto, mejorando la predicción de enfermedades poligénicas complejas.
- Quién se ve afectado
- Investigadores en genómica, empresas de biotecnología, sector salud y farmacéutico interesado en medicina de precisión psiquiátrica.
- Qué puede cambiar
- Los modelos de predicción de riesgo genético clínico podrían empezar a incorporar arquitecturas no lineales en lugar de depender solo de puntuaciones poligénicas aditivas.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Si estos resultados se replican en cohortes más grandes y se extienden a otras enfermedades poligénicas, y si BASP1 se valida experimentalmente como gen de riesgo.
Enviar esta noticia por correo
Fuente original: Nature · Machine learning (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗redes neuronalesIA explicableIA científica KU LeuvenUniversidad de Montpellier esquizofreniagenómicaIA explicableinvestigaciónsalud
Tu opinión
0 comentarios
Relacionadas
Vicepresidente de Microsoft afirma que la IA definirá la competitividad científica de los países
David Carmona, vicepresidente de Microsoft Discovery and Quantum, habló en el Congreso AICS de Murcia sobre tres generaciones de IA: modelos de…
Por qué importaPlantea que la capacidad científica basada en IA podría convertirse en un factor determinante de competitividad nacional, más allá de la…
Investigadores de Stanford crean DR-GEM, método de IA autosupervisada para genómica unicelular
Investigadores de Stanford publican en Nature Communications DR-GEM, un marco de aprendizaje autosupervisado que mejora la reducción de dimensionalidad en…
Por qué importaMejorar la detección de patrones biológicos raros mediante IA autosupervisada puede acelerar descubrimientos en biomedicina y farmacología, con…
Nature revisa el uso de la IA en radioterapia oncológica
Nature Reviews Clinical Oncology publica una revisión sobre aplicaciones de IA en radioterapia oncológica, incluyendo contorneado automático, adaptación…
Por qué importaMuestra un caso concreto y maduro de adopción de IA en un entorno clínico de alto riesgo, con implicaciones sobre cómo equilibrar automatización y…
Anthropic dice que Claude ayudó a descubrir un sistema enzimático similar a CRISPR
Anthropic confirmó que opera un laboratorio húmedo de biología en el Área de la Bahía y anunció que allí se identificó un nuevo sistema enzimático en ADN de…
Por qué importaMuestra que los grandes laboratorios de IA están llevando sus modelos a la investigación científica aplicada con resultados potencialmente…