Saber quins gens empenyen un càncer és una de les bases de l'oncologia de precisió, però els senyals que els delaten solen ser febles i estar escampats per les xarxes d'interaccions entre molècules: un gen pot no destacar per si sol i, en canvi, influir en el tumor a través dels gens amb què es relaciona, de vegades a diversos passos de distància. Els mètodes d'aprenentatge automàtic sobre grafs, que tracten aquestes xarxes com un mapa de punts i connexions, s'hi fan servir des de fa anys, però sovint barregen la informació propera i la llunyana fins que tots els gens s'acaben assemblant.
Un equip de la Universitat Central del Sud, a Changsha, amb la participació del departament de genètica de la Facultat de Medicina de Yale, presenta aquest 16 de novembre a la revista Nature Machine Intelligence CGMap. El sistema separa la informació en canals segons la distància dins de la xarxa, de manera que pot recollir senyals dispersos a diverses escales sense diluir-los, i afegeix un mòdul que mesura com cooperen els gens dins de les vies biològiques. Aquest mòdul genera interaccions «virtuals» que es poden seguir, i això permet veure per què el model ha triat cada gen i convertir-ho en una hipòtesi de com es regula. Aplicat a diverses xarxes biomoleculars i a molts tipus de càncer alhora, el sistema va analitzar 12.022 gens, va superar els mètodes existents segons els autors i en va prioritzar 70 com a candidats fiables, alguns dels quals no figuraven a les bases de dades de referència.
El pas que fa interessant el treball és la comprovació experimental. Els investigadors van inactivar els gens proposats en línies cel·lulars tumorals i no tumorals, i van observar que les cèl·lules proliferaven, es desplaçaven i envaïen menys, i que perdien trets de la transició epiteli-mesènquima, el canvi que ajuda les cèl·lules tumorals a escampar-se. És a dir, la IA no només ordena una llista: redueix el nombre de gens que val la pena estudiar i en dona una explicació que es pot posar a prova al laboratori.
Els experiments són en cèl·lules en cultiu, no en animals ni en pacients, i que inactivar un gen alenteixi les cèl·lules no demostra encara que sigui una diana terapèutica útil. Els resultats depenen de la qualitat de les xarxes d'interacció de partida, que tenen buits i errors coneguts, i la comparació amb els altres mètodes la fan els mateixos autors. Els 70 candidats són un punt de partida per a més recerca, no una llista de nous tractaments.
