A revolução dos dados transforma a biologia e a medicina contemporânea

Caroline Uhler, professora do MIT e diretora do Eric e Wendy Schmidt Center, lidera pesquisas inovadoras que integram machine learning e biologia. Recentemente, sua equipe desenvolveu métodos como PUPS, Image2Reg e MORPH, que prometem revolucionar a compreensão de processos biológicos complexos.

O método PUPS prevê a localização subcelular de proteínas, utilizando um modelo de linguagem de proteínas e imagens celulares. Essa abordagem permite generalizar previsões para proteínas não vistas, o que pode oferecer novas perspectivas sobre mecanismos de doenças. Uhler destaca que a função das proteínas está intimamente ligada à sua localização, tornando essas previsões cruciais.

Outra inovação, Image2Reg, relaciona a organização da cromatina à regulação gênica. Através de redes neurais convolucionais, o método analisa imagens de cromatina para prever genes perturbados, integrando dados de interação proteína-proteína e transcriptômica específica de células. Essa técnica pode revelar como a estrutura da cromatina influencia a expressão gênica.

Além disso, o MORPH explora perturbações gênicas, identificando interações entre genes perturbados. O método é modular e pode ser aplicado a diferentes modalidades de dados, como transcriptômica e imagens. Uhler acredita que essas ferramentas não apenas avançam a pesquisa básica, mas também têm implicações terapêuticas significativas.

A combinação de grandes conjuntos de dados biológicos e os avanços em machine learning coloca a biologia em um novo patamar, onde a compreensão dos mecanismos causais se torna possível. Uhler enfatiza que a biologia não é apenas um campo que se beneficia do aprendizado de máquina, mas também um motor de novas pesquisas nessa área.