(2024) Labarga Gutiérrez, Alberto; Barajas Vélez, Miguel Ángel; Ciencias de la Salud; Osasun Zientziak
En las últimas décadas, la aparición de herramientas eficaces de secuenciación genómica y de la biotecnología experimental de alto rendimiento ha dado lugar a enormes avances en las ciencias de la vida y la medicina, aportando profundos conocimientos sobre distintas perspectivas de los mecanismos moleculares subyacentes a los procesos biológicos. Las funciones y procesos celulares dependen de la interacción y comunicación coordinadas entre una amplia variedad de biomoléculas, como genes, proteínas, metabolitos y reguladores epigenéticos. Existen múltiples capas en las que tiene lugar la regulación y, por tanto, diferentes perspectivas desde las que observar la actividad biológica. Las distintas tecnologías conocidas comúnmente como ‘ómicas’ nos permiten medir cuantitativa y cualitativamente la estructura y actividad de muchas de estas biomoléculas.
El coste de estas tecnologías ha descendido en los últimos años, lo que las ha hecho más comunes y ha permitido disponer de muchos datos para la investigación. Esta situación ha creado la necesidad de nuevas formas de gestionar, procesar y dar sentido a todos estos datos de forma integrada.
Teniendo en cuenta que los datos biológicos pueden representarse fácilmente como una red en la que los nodos representan los distintos componentes biológicos (genes, proteínas, etc.) y las aristas representan la relación entre ellos, permitir que el aprendizaje automático incorpore al modelo información sobre la estructura de los grafos de conocimiento multiómico abre nuevas vías para hacer predicciones o descubrir nuevos patrones utilizando este conocimiento relacional para su aplicación en nuevos usos.
