Biología computacional

La anatomía computacional es el estudio de la forma y estructura anatómica a nivel visible o macroscópico.${\displaystyle 50-100\mu }$Anatomía computacional . Implica el desarrollo de métodos matemáticos computacionales y de análisis de datos para modelar y simular estructuras biológicas. Se centra en las estructuras anatómicas que se visualizan, en lugar de en los dispositivos de imagen médica. Gracias a la disponibilidad de mediciones 3D densas mediante tecnologías como la resonancia magnética , la anatomía computacional ha surgido como un subcampo de la imagen médica y la bioingeniería para extraer sistemas de coordenadas anatómicas a escala de morfema en 3D.

La formulación original de la anatomía computacional es como un modelo generativo de forma y figura a partir de ejemplares sobre los que se actúan mediante transformaciones. ^{[ 12 ]} El grupo de difeomorfismos se utiliza para estudiar diferentes sistemas de coordenadas mediante transformaciones de coordenadas generadas a través de las velocidades lagrangianas y eulerianas del flujo a partir de una configuración anatómica en${\displaystyle {\mathbb {R} }^{3}}$a otro. Se relaciona con la estadística de formas y la morfometría , con la distinción de que los difeomorfismos se utilizan para mapear sistemas de coordenadas, cuyo estudio se conoce como difeomorfometría.

La biología matemática es el uso de modelos matemáticos de organismos vivos para examinar los sistemas que rigen la estructura, el desarrollo y el comportamiento en los sistemas biológicos . Esto implica un enfoque más teórico de los problemas, en lugar de su contraparte más empírica, la biología experimental . ^{[ 13 ]} La biología matemática se basa en matemáticas discretas , topología (también útil para el modelado computacional), estadística bayesiana , álgebra lineal y álgebra booleana . ^{[ 14 ]}

Estos enfoques matemáticos han permitido la creación de bases de datos y otros métodos para almacenar, recuperar y analizar datos biológicos, un campo conocido como bioinformática . Por lo general, este proceso involucra la genética y el análisis de genes .

La recopilación y el análisis de grandes conjuntos de datos han dado lugar a campos de investigación en auge , como la minería de datos ^{[ 14 ]} y el biomodelado computacional, que se refiere a la creación de modelos informáticos y simulaciones visuales de sistemas biológicos. Esto permite a los investigadores predecir cómo reaccionarán dichos sistemas a diferentes entornos, lo cual es útil para determinar si un sistema puede "mantener su estado y funciones frente a perturbaciones externas e internas" ^{[ 15 ]} . Si bien las técnicas actuales se centran en sistemas biológicos pequeños, los investigadores están trabajando en enfoques que permitirán analizar y modelar redes más grandes. La mayoría de los investigadores cree que esto será esencial para desarrollar enfoques médicos modernos para la creación de nuevos fármacos y terapia génica ^{[ 15 ]} . Un enfoque de modelado útil es el uso de redes de Petri mediante herramientas como esyN ^{[ 16 ]} .

Hasta hace pocas décadas, la ecología teórica se había centrado principalmente en modelos analíticos desvinculados de los modelos estadísticos utilizados por los ecólogos empíricos . Más recientemente, los métodos computacionales han contribuido al desarrollo de teorías mediante la simulación de sistemas ecológicos, además de incrementar la aplicación de métodos de estadística computacional en los análisis ecológicos.

La biología de sistemas consiste en calcular las interacciones entre diversos sistemas biológicos, desde el nivel celular hasta poblaciones enteras, con el objetivo de descubrir propiedades emergentes. Este proceso suele implicar la interconexión de vías de señalización celular y metabólicas . La biología de sistemas a menudo utiliza técnicas computacionales de modelado biológico y teoría de grafos para estudiar estas interacciones complejas a nivel celular. ^{[ 14 ]}

La biología computacional ha ayudado a la biología evolutiva de la siguiente manera:

• Utilización de datos de ADN para reconstruir el árbol de la vida mediante filogenética computacional.
• Ajustar modelos de genética de poblaciones (ya sea de tiempo hacia adelante ^{[ 17 ]} o de tiempo hacia atrás ) a datos de ADN para hacer inferencias sobre la historia demográfica o selectiva.
• Construir modelos de genética de poblaciones de sistemas evolutivos a partir de principios fundamentales para predecir lo que probablemente evolucionará.
• Encontrar señales de transiciones importantes y abruptas en la evolución utilizando modelos computacionales simplificados más el formalismo de sistemas complejos. ^{[ 18 ]}

La genómica computacional es el estudio de los genomas de células y organismos . El Proyecto Genoma Humano es un ejemplo de genómica computacional. Este proyecto busca secuenciar el genoma humano completo en un conjunto de datos. Una vez implementado por completo, esto podría permitir a los médicos analizar el genoma de un paciente individual . ^{[ 19 ]} Esto abre la posibilidad de la medicina personalizada, prescribiendo tratamientos basados ​​en los patrones genéticos preexistentes de un individuo. Los investigadores buscan secuenciar los genomas de animales, plantas, bacterias y todos los demás tipos de vida. ^{[ 20 ]}

Una de las principales formas de comparar genomas es mediante la homología de secuencias . La homología es el estudio de las estructuras biológicas y las secuencias de nucleótidos en diferentes organismos que provienen de un ancestro común. Las investigaciones sugieren que entre el 80 y el 90 % de los genes en genomas procariotas recientemente secuenciados pueden identificarse de esta manera. ^{[ 20 ]}

El alineamiento de secuencias es otro proceso para comparar y detectar similitudes entre secuencias biológicas o genes. El alineamiento de secuencias es útil en diversas aplicaciones bioinformáticas, como el cálculo de la subsecuencia común más larga de dos genes o la comparación de variantes de ciertas enfermedades .

Un proyecto inexplorado en genómica computacional es el análisis de las regiones intergénicas, que comprenden aproximadamente el 97% del genoma humano. ^{[ 20 ]} Los investigadores están trabajando para comprender las funciones de las regiones no codificantes del genoma humano a través del desarrollo de métodos computacionales y estadísticos y a través de grandes proyectos de consorcios como ENCODE y el Roadmap Epigenomics Project .

Comprender cómo los genes individuales contribuyen a la biología de un organismo a nivel molecular , celular y de organismo se conoce como ontología génica . La misión del Consorcio de Ontología Génica es desarrollar un modelo computacional completo y actualizado de los sistemas biológicos , desde el nivel molecular hasta las vías metabólicas más amplias, los sistemas celulares y los sistemas de organismos. El recurso de Ontología Génica proporciona una representación computacional del conocimiento científico actual sobre las funciones de los genes (o, más propiamente, las moléculas de proteínas y ARN no codificante producidas por los genes) de muchos organismos diferentes, desde humanos hasta bacterias. ^{[ 21 ]}

3D genomics is a subsection in computational biology that focuses on the organization and interaction of genes within a eukaryotic cell. One method used to gather 3D genomic data is through Genome Architecture Mapping (GAM). GAM measures 3D distances of chromatin and DNA in the genome by combining cryosectioning, the process of cutting a strip from the nucleus to examine the DNA, with laser microdissection. A nuclear profile is simply this strip or slice that is taken from the nucleus. Each nuclear profile contains genomic windows, which are certain sequences of nucleotides - the base unit of DNA. GAM captures a genome network of complex, multi enhancer chromatin contacts throughout a cell.^[22]

Computational biology also plays a role in identifying biomarkers for diseases such as cardiovascular conditions, with the integration of various 'Omic' data - such as genomics, proteomics, and metabolomics - researchers can uncover potential biomarkers that aid in disease diagnosis, prognosis, and treatment strategies. For instance, metabolomic analyses have identified specific metabolites capable of distinguishing between coronary artery disease and myocardial infarction.^[23]

Computational neuroscience is the study of brain function in terms of the information processing properties of the nervous system. A subset of neuroscience, it looks to model the brain to examine specific aspects of the neurological system.^[24] Models of the brain include:

• Realistic Brain Models: These models look to represent every aspect of the brain, including as much detail at the cellular level as possible. Realistic models provide the most information about the brain, but also have the largest margin for error. More variables in a brain model create the possibility for more error to occur. These models do not account for parts of the cellular structure that scientists do not know about. Realistic brain models are the most computationally heavy and the most expensive to implement.^[25]
• Simplifying Brain Models: These models look to limit the scope of a model in order to assess a specific physical property of the neurological system. This allows for the intensive computational problems to be solved, and reduces the amount of potential error from a realistic brain model.^[25]

La labor de los neurocientíficos computacionales consiste en mejorar los algoritmos y las estructuras de datos que se utilizan actualmente para aumentar la velocidad de dichos cálculos.

La neuropsiquiatría computacional es un campo emergente que utiliza modelos matemáticos y asistidos por computadora de los mecanismos cerebrales involucrados en los trastornos mentales . Varias iniciativas han demostrado que el modelado computacional es una contribución importante para comprender los circuitos neuronales que podrían generar funciones y disfunciones mentales. ^{[ 26 ] [ 27 ] [ 28 ]}

La biología computacional desempeña un papel crucial en el descubrimiento de signos de nuevas criaturas vivas previamente desconocidas y en la investigación del cáncer . Este campo implica mediciones a gran escala de procesos celulares, incluyendo ARN , ADN y proteínas, lo que plantea importantes desafíos computacionales. Para superarlos, los biólogos recurren a herramientas computacionales para medir y analizar con precisión los datos biológicos. ^{[ 29 ]} En la investigación del cáncer, la biología computacional ayuda en el análisis complejo de muestras tumorales , lo que permite a los investigadores desarrollar nuevas formas de caracterizar tumores y comprender diversas propiedades celulares. El uso de mediciones de alto rendimiento, que involucran millones de puntos de datos de ADN, ARN y otras estructuras biológicas, ayuda a diagnosticar el cáncer en etapas tempranas y a comprender los factores clave que contribuyen a su desarrollo. Las áreas de enfoque incluyen el análisis de moléculas que son determinantes en la causa del cáncer y la comprensión de cómo el genoma humano se relaciona con la etiología tumoral. ^{[ 29 ] [ 30 ]}

La toxicología computacional es un área de estudio multidisciplinaria que se emplea en las primeras etapas del descubrimiento y desarrollo de fármacos para predecir la seguridad y la posible toxicidad de los fármacos candidatos.

La farmacología computacional es "el estudio de los efectos de los datos genómicos para encontrar vínculos entre genotipos específicos y enfermedades y luego analizar datos de fármacos ". ^{[ 31 ]}

Una aplicación cada vez más frecuente de la biología computacional es el descubrimiento de fármacos . Por ejemplo, las simulaciones de eventos de señalización intracelular e intercelular , utilizando datos de experimentos proteómicos o metabolómicos, pueden reducir la dependencia de la experimentación para dilucidar la farmacocinética y la farmacodinámica de los fármacos candidatos en organismos vivos. ^{[ 32 ]}

La inteligencia artificial desempeña cada vez más un papel fundamental en el proceso de descubrimiento de fármacos. Utilizando como datos de entrada las estructuras químicas de agentes farmacéuticos conocidos, los modelos de IA pueden sugerir estructuras de compuestos principales o predecir nuevos modos de unión fármaco-proteína. La IA también se utiliza para el cribado virtual de moléculas candidatas, evitando la necesidad de sintetizar un gran número de moléculas para dicho cribado. ^{[ 33 ] [ 34 ]}

El aprendizaje no supervisado es un tipo de algoritmo que encuentra patrones en datos sin etiquetar. Un ejemplo es el agrupamiento k-means , que divide n puntos de datos en k clústeres, donde cada punto pertenece al clúster con la media más cercana. Otra versión es el algoritmo k-medoides , que, al seleccionar el centroide de un clúster, elige uno de sus puntos de datos en el conjunto, y no solo el promedio del clúster.

El algoritmo sigue estos pasos:

1. Seleccione aleatoriamente k puntos de datos distintos. Estos son los clústeres iniciales.
2. Mide la distancia entre cada punto y cada uno de los 'k' grupos. (Esta es la distancia de los puntos a cada punto k ).
3. Asigne cada punto al clúster más cercano.
4. Encuentra el centro de cada grupo (medoide).
5. Repita el proceso hasta que los grupos dejen de cambiar.
6. Evalúe la calidad de la agrupación sumando la variación dentro de cada grupo.
7. Repita los procesos con diferentes valores de k.
8. Seleccione el mejor valor para 'k' buscando el "punto de inflexión" en el gráfico que indique qué valor de k tiene la menor varianza.

Un ejemplo de esto en biología se utiliza en el mapeo 3D de un genoma. La información de la región HIST1 del cromosoma 13 de un ratón se obtiene de Gene Expression Omnibus . ^{[ 35 ]} Esta información contiene datos sobre qué perfiles nucleares aparecen en ciertas regiones genómicas. Con esta información, se puede utilizar la distancia de Jaccard para encontrar una distancia normalizada entre todos los loci.

El análisis de grafos, o análisis de redes , es el estudio de grafos que representan conexiones entre diferentes objetos. Los grafos pueden representar todo tipo de redes en biología, como redes de interacción proteína-proteína , redes reguladoras, redes metabólicas y bioquímicas, entre otras. Existen muchas maneras de analizar estas redes. Una de ellas es mediante el análisis de la centralidad en los grafos. El cálculo de la centralidad asigna clasificaciones a los nodos según su popularidad o centralidad en el grafo. Esto puede ser útil para identificar los nodos más importantes. Por ejemplo, a partir de datos sobre la actividad de los genes durante un período de tiempo, la centralidad de grado puede utilizarse para determinar qué genes son más activos en la red o cuáles interactúan más entre sí. Esto contribuye a la comprensión de las funciones que desempeñan ciertos genes en la red.

Existen muchas maneras de calcular la centralidad en grafos, y cada una puede proporcionar distintos tipos de información al respecto. La determinación de la centralidad en biología se puede aplicar en diversas circunstancias, como en redes de regulación génica, interacción de proteínas y redes metabólicas. ^{[ 36 ]}

El aprendizaje supervisado es un tipo de algoritmo que aprende a partir de datos etiquetados y aprende a asignar etiquetas a datos futuros que no estén etiquetados. En biología, el aprendizaje supervisado puede ser útil cuando tenemos datos que sabemos cómo categorizar y queremos categorizar más datos en esas mismas categorías.

Un algoritmo común de aprendizaje supervisado es el bosque aleatorio , que utiliza numerosos árboles de decisión para entrenar un modelo que clasifique un conjunto de datos. Un árbol de decisión, que constituye la base del bosque aleatorio, es una estructura cuyo objetivo es clasificar o etiquetar un conjunto de datos utilizando ciertas características conocidas de dichos datos. Un ejemplo biológico práctico sería tomar los datos genéticos de un individuo y predecir si ese individuo tiene predisposición a desarrollar una determinada enfermedad o cáncer. En cada nodo interno, el algoritmo comprueba el conjunto de datos en busca de una característica específica (un gen concreto en el ejemplo anterior) y, a continuación, se ramifica hacia la izquierda o hacia la derecha según el resultado. Finalmente, en cada nodo hoja, el árbol de decisión asigna una etiqueta de clase al conjunto de datos. En la práctica, el algoritmo recorre una ruta específica desde la raíz hasta la hoja a través del árbol de decisión, basándose en el conjunto de datos de entrada, lo que da como resultado la clasificación de dicho conjunto de datos. Generalmente, los árboles de decisión tienen variables objetivo que toman valores discretos, como sí/no, en cuyo caso se denomina árbol de clasificación ; pero si la variable objetivo es continua, se denomina árbol de regresión . Para construir un árbol de decisión, primero debe entrenarse utilizando un conjunto de datos de entrenamiento para identificar qué características son los mejores predictores de la variable objetivo.

Estos son intentos de utilizar algoritmos de multiplicación de matrices rápidas en biología computacional. Ejemplos de este tipo de trabajo son ^{[ 37 ]} y ^{[ 38 ]} .

El software de código abierto proporciona una plataforma para la biología computacional donde todos pueden acceder y beneficiarse del software desarrollado en la investigación. ^{[ 39 ]} PLOS cita cuatro razones principales para el uso de software de código abierto:

• Reproducibilidad : Esto permite a los investigadores utilizar los mismos métodos empleados para calcular las relaciones entre los datos biológicos.
• Desarrollo más rápido: los desarrolladores e investigadores no tienen que reinventar el código existente para tareas menores. En cambio, pueden usar programas preexistentes para ahorrar tiempo en el desarrollo e implementación de proyectos más grandes.
• Mayor calidad: Contar con la opinión de múltiples investigadores que estudian el mismo tema proporciona una garantía de que no habrá errores en el código.
• Disponibilidad a largo plazo: Los programas de código abierto no están vinculados a ninguna empresa ni patente. Esto permite que se publiquen en múltiples páginas web y garantiza su disponibilidad en el futuro. ^{[ 40 ]}