La biología molecular se reúne con herramientas informáticas en el nuevo sistema CRISPR


CRISPR_1

Nicolo Fusi es uno de los investigadores que colaboraron en las nuevas herramientas CRISPR

Un equipo de investigadores de Microsoft y el Broad Institute del MIT y Harvard ha desarrollado un nuevo sistema que permite a los investigadores utilizar con mayor rapidez y eficacia la potente herramienta de edición de genes CRISPR.

El sistema, dado a conocer el lunes y nombrado Azimuth, utiliza aprendizaje de máquina donde una computadora tiene un conjunto limitado de datos de entrenamiento, los cuales utiliza para aprender a hacer predicciones acerca de los datos que aún no ha visto.

En este caso, el aprendizaje de máquina se utiliza para predecir a qué parte de un gen se debe apuntar cuando un científico quiere deshabilitarlo. El aprendizaje automático está disponible para hacer predicciones de cualquier gen, incluidos aquellos que no se detectan en los entrenamientos experimentales.

Los dos investigadores de Microsoft que encabezaron el aspecto del modelado computacional del proyecto, Jennifer Listgarten y Nicolo Fusi, estuvieron muy emocionados trabajando en CRISPR, después de asistir a una conferencia impartida por su futuro colaborador, John Doench, director asociado en el Broad Institute, que lidera la parte biológica del proyecto.

La alianza permitió a los dos grupos de investigadores, que trabajan a la cabeza del aprendizaje automático y edición de genes, respectivamente, colaborar en el avance de la nueva y revolucionaria tecnología de CRISPR.

CRISPR_2

"No podríamos haberlo hecho sin ellos y no podrían haber hecho sin nosotros", dijo Listgarten.

Otros científicos informáticos han tratado de aplicar el aprendizaje de máquina de CRISPR. Fusi dijo que este proyecto utiliza un modelo de aprendizaje de máquina más sofisticado que los anteriores, y que también tiene en cuenta lo que funcionó y lo que no con los modelos anteriores.

"Nuestro objetivo era no sólo entender por qué algunas características eran importantes, sino también para evaluar exhaustivamente todo el trabajo que se había hecho antes", dijo Fusi.

El equipo de investigación, que también incluye a colaboradores del Instituto del Cáncer Dana-Farber y de la Facultad de Medicina de la Universidad de Washington, publicó sus hallazgos en la revista Nature Biotechnology. Además del modelado computacional, el equipo también dio a conocer las bibliotecas de detección que ayudarán a los científicos a identificar de manera más fácil los cientos, si no es que miles, de lugares dentro de un gen a donde deberían apuntar con CRISPR para obtener el resultado que desean.

CRISPR –que agrupa repeticiones espaciadas palindrómicas cortas– hace que sea mucho más fácil de editar, de manera precisa, el ADN de las células vivas. Los expertos dicen que CRISPR permite a los científicos hacer grandes avances, tales como la erradicación de la malaria.

"Esto en última instancia, será un poderoso enfoque, pero hay muchos, muchos obstáculos técnicos que se interponen en el camino de tener un impacto directo sobre la salud humana", dijo Doench.

Uno de los grandes obstáculos es averiguar dónde se desea utilizar CRISPR en un gen para lograr el resultado deseado. Todo ello realizado de forma manual requiere horas en el laboratorio, un presupuesto de investigación generosa y mucha prueba y error.

"Muy pocas personas tienen la experiencia, los recursos, o el tiempo para hacer este tipo de trabajo", dijo Fusi.

Con las herramientas de aprendizaje de máquina de Azimuth, los investigadores serán capaces de agilizar ese proceso, dijo Doench.

Listgarten y Fusi, que trabajan fuera del laboratorio Microsoft Research en Cambridge, Massachusetts, dijeron que los científicos pueden utilizar sus modelos para averiguar la mejor manera de inhabilitar un gen.

CRISPR_3

Los investigadores continúan su colaboración con un proyecto de análisis predictivo que también hará que sea más fácil para los investigadores averiguar cuándo y dónde se puede usar CRISPR para editar un gen y si puede tener consecuencias imprevistas en otras partes del genoma. Los investigadores llaman a esto un efecto "off target" y es uno de los mayores obstáculos para el uso de CRISPR para cosas como la curación de enfermedades en los seres humanos.

La posibilidad de editar los genes ha sido durante mucho tiempo uno de los objetivos fundamentales de la biología molecular y otras herramientas se han desarrollado para llevar a cabo esa tarea. Pero CRISPR, que utiliza los mecanismos que se encuentran en las bacterias como la base de su capacidad de edición, se considera mucho más escalable y preciso que los esfuerzos anteriores.

Los científicos dicen que CRISPR tiene el potencial de ayudar a los investigadores a entender cuando alguien podría llegar a ser resistente a un medicamento contra el cáncer o un antibiótico, fijar la mutación que causa la anemia de células falciformes y ayudar con la búsqueda de una cura de una rara forma de ceguera. También podría ser utilizado para fines no médicos, como para crear cultivos que son más resistentes frente al cambio climático y otros desafíos.

"CRISPR ha comenzado a revolucionar muchos campos a la vez", dijo Listgarten.

Skip to main content