Cada célula en el cuerpo humano comparte la misma secuencia genética, pero cada una expresa solo genes específicos, lo que distingue una célula del cerebro de una célula de la piel. Estos patrones únicos de expresión génica están influenciados por la disposición tridimensional del material genético, que determina la accesibilidad de los genes. Investigadores del MIT han desarrollado un método novedoso para analizar estas estructuras genómicas en 3D utilizando inteligencia artificial generativa, lo que les permite predecir miles de estructuras en minutos. Este avance acelera significativamente el proceso en comparación con las técnicas experimentales tradicionales. El autor principal del estudio, el profesor asociado Bin Zhang, tiene como objetivo relacionar las secuencias de ADN con sus correspondientes estructuras genómicas en 3D. La nueva técnica compite con métodos experimentales de vanguardia, presentando oportunidades de investigación prometedoras. Dentro de los núcleos celulares, el ADN y las proteínas forman cromatina en varios niveles organizativos, compactando 2 metros de ADN en un núcleo de apenas una centésima de milímetro de ancho. Las modificaciones epigenéticas adheridas al ADN afectan el plegamiento de la cromatina, determinando qué genes se expresan en diferentes tipos de células o en diferentes momentos. Si bien métodos como Hi-C se han desarrollado en las últimas dos décadas para determinar estructuras de cromatina, requieren un tiempo y esfuerzo extensos, a menudo tardando alrededor de una semana para obtener datos de una sola célula.

Para abordar esto, Zhang y su equipo crearon un modelo que aprovecha el aprendizaje profundo y la IA generativa, permitiendo predicciones rápidas y precisas de las estructuras de cromatina a partir de secuencias de ADN. Su modelo, ChromoGen, comprende un modelo de aprendizaje profundo que analiza la información del ADN y un modelo de IA generativa entrenado en más de 11 millones de conformaciones de cromatina. Este sistema integrado captura la relación entre secuencias de ADN y estructuras de cromatina, generando múltiples estructuras posibles para cada secuencia debido al desorden inherente en el ADN. ChromoGen permite predicciones rápidas: mientras que los métodos existentes pueden tardar seis meses en alcanzar unas pocas docenas de estructuras, el modelo puede producir mil estructuras en aproximadamente 20 minutos. Después de entrenar, los investigadores utilizaron el modelo para predecir estructuras para más de 2, 000 secuencias de ADN, confirmando que las estructuras generadas coincidían estrechamente con los datos experimentales. Además, el modelo demostró precisión con datos de tipos celulares fuera de su conjunto de entrenamiento, lo que indica aplicaciones potenciales para analizar las variaciones de la estructura de la cromatina entre tipos celulares y dentro de células individuales. Esta capacidad también podría facilitar la investigación sobre cómo las mutaciones del ADN podrían alterar la conformación de la cromatina, lo que podría estar vinculado a mecanismos de enfermedades. El equipo ha hecho que sus datos de investigación y modelo estén disponibles públicamente para una mayor exploración. El estudio fue financiado por los Institutos Nacionales de Salud.