Invitación al Seminario “Aprendizaje automático en redes biológicas: desde la función de las proteínas hasta la reutilización de fármacos y el diseño de enzimas”

La Facultad de Ingeniería de la Universidad Nacional de Asunción (FIUNA), invita al seminario del Prof. Dr. Alberto Paccanaro, reconocido investigador en el área de aprendizaje automático y biología computacional, quien compartirá los resultados más recientes de su trabajo sobre la aplicación de técnicas de inteligencia artificial para comprender y modelar redes biológicas complejas.

🗓️Miércoles 12 de noviembre
⏰16:00 h
📍Auditorio del Edificio «Prof. Ing. Enzo Debernardi», Campus de la Universidad Nacional de Asunción (UNA), San Lorenzo

Este encuentro busca motivar tanto a estudiantes de grado interesados en participar en la Escuela de Verano de la FGV y continuar su formación a través del Doctorado Directo en Brasil, como a estudiantes de posgrado de la Maestría en Ciencias de la Inteligencia Artificial y del Doctorado en Ingeniería de la FIUNA, que deseen integrarse a proyectos colaborativos de investigación con la FGV en temas de biología computacional, aprendizaje profundo y modelado de sistemas complejos. Asimismo, se está evaluando la posibilidad de que estudiantes de posgrado puedan realizar estancias de investigación en la FGV, cuando existan líneas temáticas afines entre ambos programas.

Resumen del seminario

Las células vivas funcionan mediante multitud de redes moleculares interconectadas, donde proteínas, ácidos nucleicos y otras biomoléculas interactúan de forma precisa y coordinada. En esta charla, presentaré enfoques de aprendizaje automático que hemos desarrollado para resolver problemas de biología y farmacología que pueden formularse en términos de inferencia en dichas redes a gran escala.

En primer lugar, describiré S2F (Secuencia a Función), un método de aprendizaje semi-supervisado que desarrollamos para predecir la función de proteínas en organismos recién secuenciados, donde solo se dispone de información de secuencia. S2F crea un conjunto inicial de «semillas» funcionales que se propagan a través de redes de asociaciones funcionales predichas. Una innovación clave es un novedoso algoritmo de propagación de etiquetas que modela comunidades funcionales superpuestas, mejorando la precisión de la predicción. En extensas pruebas con genomas bacterianos, S2F superó consistentemente a los mejores métodos basados en secuencias, logrando mejoras sustanciales. El método se puede aplicar a cualquier organismo recién secuenciado y está disponible como una herramienta de fácil uso y acceso abierto.

A continuación, presentaré un nuevo enfoque que combina ideas de la factorización matricial y la medicina de redes para predecir qué fármacos existentes pueden reutilizarse contra enfermedades virales específicas. Este problema se conoce como reposicionamiento de fármacos, y nuestro método es el primero capaz de predecir antivirales centrados en el huésped. Nuestro algoritmo aprende representaciones vectoriales de las diferentes entidades involucradas (fármacos, virus y proteínas) en un espacio de baja dimensionalidad, explicitando algunas de sus características relevantes para el problema.

Finalmente, presentaré un trabajo reciente en el que hemos aplicado modelos basados en transformadores de aprendizaje profundo para aprender distribuciones complejas de secuencias de aminoácidos; esto es análogo a cómo los Grandes Modelos de Lenguaje modelan la distribución de secuencias de palabras en el contexto del Procesamiento del Lenguaje Natural. Al ajustar estos modelos a familias específicas de enzimas, podemos generar enzimas con estructuras casi idénticas a las naturales, pero con composiciones de aminoácidos diferentes, lo que permite crear nuevas enzimas con propiedades industriales únicas.

Puntos destacados

• Predicción de funciones proteicas mediante el método semi-supervisado S2F.
• Reposicionamiento de fármacos antivirales utilizando aprendizaje de representaciones en redes biológicas.
• Diseño de enzimas artificiales mediante modelos transformadores inspirados en el procesamiento del lenguaje natural.

Breve biografía del Prof. Dr. Alberto Paccanaro

El Prof. Paccanaro es Catedrático en la Escuela de Matemáticas Aplicadas (EMAp) de la Fundação Getulio Vargas (FGV), en Río de Janeiro, y en el Departamento de Ciencias de la Computación de Royal Holloway, Universidad de Londres. Se licenció en Ciencias de la Computación por la Universidad de Milán y obtuvo su doctorado en la Universidad de Toronto bajo la dirección de Geoffrey Hinton, pionero del aprendizaje profundo.

Ha sido investigador visitante en Cornell, Yale, la Universidad de Venecia y la Universidad Católica de Asunción, y colabora activamente con equipos internacionales en biología computacional y medicina de redes.

Más información sobre su trabajo puede encontrarse en: https://paccanarolab.org/