‘PBEvoGen’, una nueva metodología que permite orientar el proceso computacional y reducir el tiempo de cálculo

Investigadores de la Universidad de Málaga han desarrollado PBEvoGen, una metodología que supone muestra cómo combinar inteligencia artificial y conocimiento experto para inferir redes genéticas.

La investigación, recientemente publicada en ‘Computational Biology and Chemistry’, ha sido liderada por Adrián Segura Ortiz, junto a Antonio Jesús Nebro, José García Nieto y José Francisco Aldana Montes, investigadores del Departamento de Lenguajes y Ciencias de la Computación y del Instituto de Tecnología e Ingeniería del Software (ITIS) de la Universidad de Málaga.

«La gran innovación de PBEvoGen es que introduce por primera vez un mecanismo de selección basado en preferencias, permitiendo que el experto humano actúe como un guía para el algoritmo», ha explicado Adrián Segura Ortiz, impulsor del trabajo, que también forma parte de Ibima Plataforma Bionand.

De este modo, mediante la definición de puntos de referencia, el investigador puede indicar al sistema hacia qué regiones del espacio de búsqueda debe dirigirse, inyectando su conocimiento biológico previo directamente, en el proceso evolutivo de la red.

Esta nueva metodología se basa en un sistema de ensamble formado por 26 técnicas de vanguardia que colaboran entre sí para alcanzar un consenso en la construcción de redes.

El algoritmo evalúa las redes generadas bajo tres criterios fundamentales: la calidad, entendida como el acuerdo entre las distintas técnicas utilizadas; la distribución de grado, que busca que la estructura sea fiel a la realidad biológica; y la presencia de motivos estructurales o patrones funcionales conocidos en biología.

«PBEvoGen prioriza aquellas soluciones que no solo son óptimas desde el punto de vista numérico, sino que además se acercan a las expectativas biológicas definidas por el experto», ha matizado Segura Ortiz.

La eficacia de esta propuesta se ha validado exhaustivamente utilizando un banco de pruebas de 43 redes biológicas. Los resultados demuestran que PBEvoGen supera a todos sus predecesores, mejorando la precisión en métricas clave de validación, y produciendo redes mucho más coherentes desde el punto de vista científico.

Además de mejorar la calidad de los resultados, el sistema también tiene un impacto directo en la eficiencia: «En redes de gran tamaño, el algoritmo alcanza el mismo nivel de optimización que los métodos tradicionales en la mitad de tiempo, reduciendo de días a horas el esfuerzo computacional», ha añadido Segura Ortiz.

Para facilitar su adopción por la comunidad científica, el software se ha publicado como un paquete de ‘Python’ de código abierto denominado ‘geneci’. «Con PBEvoGen, la inferencia de redes genéticas ha dejado de ser una tarea puramente automatizada para convertirse en una colaboración inteligente entre el ordenador y el experto humano», ha concluido el investigador.

De cara al futuro, la investigación proyecta el desarrollo de sistemas interactivos en tiempo real, donde el experto pueda ajustar sus preferencias mientras observa la evolución de la red, así como la integración de asistentes de inteligencia artificial que recomienden los mejores puntos de búsqueda basándose en experiencias previas.