Dentro de cada célula hay un trabajo incesante: las proteínas se comunican, los genes se activan y se desactivan, y los fallos en este sistema conducen a enfermedades. Para encontrar al culpable de una dolencia, los científicos solían revisar manualmente artículos científicos y bases de datos, como un detective que interroga a los testigos uno por uno. Pero hay tantas conexiones que es imposible manejarlas en solitario.
El nuevo modelo GLaDiGAtor funciona como un grafo inteligente: construye un mapa donde los puntos son genes y enfermedades, y las líneas entre ellos son interacciones conocidas. Luego aprende de este mapa, como si fuera un conjunto de ejemplos, y predice dónde deberían estar las líneas que faltan. En el mapa también se integran pistas textuales: descripciones de enfermedades y secuencias de proteínas que el modelo lee como anotaciones en los puntos. Gracias a esto, no solo ve conexiones directas, sino también patrones ocultos.
Este enfoque acelera la búsqueda de genes diana para fármacos. En lugar de meses de trabajo manual, solo unas horas de cálculo. Y cuantos más datos se incorporan al mapa, más precisas son las predicciones. Quizás pronto podamos ver de antemano qué gen fallará en una enfermedad determinada y preparar el tratamiento antes de que aparezcan los síntomas.
El modelo utiliza dos lenguajes: uno "lee" secuencias de proteínas y el otro textos médicos, y los combina en un único mapa.