Un sistema de inteligencia artificial ha conseguido, por primera vez,reconstruir el mecanismo regenerativo de la planaria,un pequeño gusano cuya extraordinaria capacidad para regenerar partes de su cuerpo lo ha convertido en un modelo para la medicina regenerativa en humanos.
Biólogos de la Universidad de Tufts han presentado así el primer modelo de regeneración descubierto por una inteligencia no humana, que además es el primer modelo completo de regeneración de la planaria, un hito que los científicos llevaban más de cien años intentando conseguir. El trabajo se acaba de publicar en PLOS Computational Biology y demuestra a las claras cómo la «ciencia de los robots» puede ayudar a los investigadores humanos en el futuro.
Para ser capaces de reproducir por bioingeniería órganos complejos, los científicos necesitan primero comprender los mecanismos por los que esos órganos se fabrican normalmente. Sin embargo, según el biólogo Michael Levin, que ha liderado la investigación, existe una importante brecha en el conocimiento sobre los componentes genéticos exactos que se necesitan para que el cuerpo «fabrique» órganos con la forma, el tamaño y la orientación correctos.
«La mayoría de los modelos regenerativos actuales -explica Levin- se derivan de experimentos genéticos en los que se muestra qué genes regulan a qué otros genes. Y eso está bien, pero no nos dice cuál será la forma final del órgano. No se puede saber si el resultado de nuestros modelos genéticos de regeneración será un árbol, un pulpo o un ser humano».
Según Levin, eso se debe a que «la mayoría de los modelos existentes muestran solo algunos de los componentes necesarios para que el proceso ocurra, pero no la dinámica que nos llevará, paso a paso, a una forma concreta. Lo que necesitamos son modelos algoritmicos de construcción, que se puedan seguir de una forma precisa y que no dejen lugar al misterio o la incertidumbre. Una receta para seguir y obtener la forma que queremos.
Esta clase de modelos se necesitan para saber qué «disparadores» se podrían añadir a un sistema de ese tipo para causar la regeneración de partes concretas, u otros cambios que se requieran en la forma. Sin embargo, según afirma Daniel Lobo, primer firmante del artículo, tales herramientas aún no existen, a pesar de la montaña de datos experimentales publicados hasta la fecha sobre regeneración y biología del desarrollo.
Para conseguir dar este salto, Levin y Lobo desarrollaron un algoritmo que fuera capaz de aplicar computación evolutiva y producir redes reguladas y capaces de evolucionar de formas concretas, de forma que fuera posible predecir los resultados de los experimentos reales de laboratorio a partir de los datos introducidos por los investigadores.
«Nuestro objetivo -explica Lobo- era el de identificar una “red reguladora” que pudiera ejecutarse en cada una de las células de un gusano virtual para que los resultados de modelado cabeza-cola de los experimentos simulados pudieran coincidir los datos publicados».
Tal y como esperaban, las redes reguladoras iniciales, producidas al azar, no lograron reproducir ninguno de los datos experimentales. Así que se generaron aleatoriamente nuevas redes candidatas, combinando las anteriores y llevando a cabo variaciones al azar. Cada red candidata fue probada en un gusano virtual, simulando los experimentos reales. El algoritmo comparaba la forma resultante de la simulación con los datos de los experimentos reales. A medida que la evolución avanzaba, las nuevas redes empezaron a ser capaces de explicar más y más experimentos de la base de datos, incluyendo la mayoría de la literatura experimental sobre la planaria y su increíble capacidad de regeneración.
Finalmente, los investigadores aplicaron el algoritmo a un set de 16 experimentos regenerativos con planarias para averiguar si era posible hallar una red reguladora que explicara el proceso. Tras 42 horas de cálculos, el algoritmo devolvió la red deguladora que había descubierto, y resultó que predecía con éxito los resultados de cada uno de los 16 experimentos de la base de datos. La red incluía a siete moléculas reguladoras previamente conocidas, así como dos proteínas que hasta ahora no habían sido identificadas en ninguno de los estudios hechos hasta ahora con planarias.
«Esto represente el modelo más completo de regeneración de las planarias que se ha logrado hasta ahora -explica Levin-. Es el único modelo conocido que explica mecánicamente la determinación de la polaridad cabeza-cola en las planarias en experimentos muy diferentes entre sí, y es también el primer modelo regenerativo descubierto por una inteligencia artificial».
El trabajo supone una exitosa aplicación en el creciente campo de la «ciencia robótica», de la que Levin está convencido que podrá ayudar enormemente a los investigadores en su trabajo, gracias a su capacidad de analizar enormes cantidades de datos muy rápidamente.
«A pesar de que la inteligencia artificial en este proyecto tenía que hacer un montón de cálculos -concluye Levin-, el resultado es una teoría de lo que el gusano está haciendo, y dar con teorías de lo que está pasando en la naturaleza es, de lejos, el aspecto intuitivo más creativo del trabajo de los científicos. Uno de los aspectos más notables del proyecto fue que el modelo encontrado no era una red tremendamente enrevesada y que ningún ser humano pudiera entender, sino un modelo bastante simple que la gente puede comprender fácilmente. Todo esto me hace pensar que la inteligencia artificial puede ayudar en todos los aspectos de la ciencia, no sólo en la minería de datos, sino también la inferencia del significado de esos datos».
