{"id":257321,"date":"2025-11-26T19:49:13","date_gmt":"2025-11-26T19:49:13","guid":{"rendered":"https:\/\/www.europesays.com\/es\/257321\/"},"modified":"2025-11-26T19:49:13","modified_gmt":"2025-11-26T19:49:13","slug":"crean-la-primera-ia-capaz-de-diagnosticar-enfermedades-ultra-raras-sin-datos-familiares","status":"publish","type":"post","link":"https:\/\/www.europesays.com\/es\/257321\/","title":{"rendered":"Crean la primera IA capaz de diagnosticar enfermedades ultra raras sin datos familiares"},"content":{"rendered":"

Un equipo del Centro de Regulaci\u00f3n Gen\u00f3mica (CRG) de Barcelona y la Harvard Medical School ha desarrollado popEVE, una inteligencia artificial<\/a> que determina qu\u00e9 mutaciones en prote\u00ednas humanas son m\u00e1s propensas a causar enfermedad, incluso cuando nunca se han observado en ninguna persona.<\/p>\n

Seg\u00fan los autores, es el primer sistema que funciona \u00fanicamente con la informaci\u00f3n gen\u00e9tica del paciente, sin necesidad de datos de los progenitores, y supera en rendimiento a herramientas punteras como AlphaMissense, de Google DeepMind.<\/p>\n

El modelo se basa en datos de cientos de miles de especies y en la variaci\u00f3n gen\u00e9tica humana<\/strong>. Este enfoque evolutivo permite identificar qu\u00e9 partes de las aproximadamente 20.000 prote\u00ednas humanas son esenciales para la vida y cu\u00e1les toleran cambios. As\u00ed, esta IA no solo detecta mutaciones causantes de enfermedad, sino que tambi\u00e9n las clasifica seg\u00fan su gravedad en todo el organismo.<\/p>\n

Los resultados, publicados en Nature Genetics, podr\u00edan transformar el diagn\u00f3stico<\/a> de enfermedades gen\u00e9ticas. Una de cada dos personas con una enfermedad rara nunca recibe un diagn\u00f3stico claro. La herramieta popEVE puede cambiar esta situaci\u00f3n al ayudar a los m\u00e9dicos a centrarse primero en las variantes m\u00e1s perjudiciales, dicen los investigadores.<\/p>\n

Adem\u00e1s, su capacidad para trabajar con el ADN del propio paciente facilita diagn\u00f3sticos m\u00e1s r\u00e1pidos y econ\u00f3micos, algo crucial en sistemas sanitarios con recursos limitados.<\/p>\n

\u00abEn las consultas no siempre se dispone del ADN de los progenitores y muchos pacientes acuden solos. popEVE puede ayudar a estos m\u00e9dicos a identificar mutaciones causantes de enfermedad, y ya estamos observando este beneficio en nuestras colaboraciones con cl\u00ednicas\u00bb, explica Mafalda Dias, coautora principal del estudio e investigadora del CRG.<\/p>\n

Mutaciones de sentido err\u00f3neo<\/p>\n

El genoma humano contiene numerosas diferencias \u00fanicas, entre ellas mutaciones<\/a> de sentido err\u00f3neo que alteran amino\u00e1cidos en prote\u00ednas. Muchas son inocuas, pero otras provocan trastornos graves. El reto consiste en distinguir cu\u00e1les son benignas y cu\u00e1les perjudiciales. Adem\u00e1s, no todas las mutaciones da\u00f1inas lo son en la misma medida: algunas causan s\u00edntomas leves, otras discapacidades graves y algunas son letales en la infancia. Las herramientas actuales predicen si una mutaci\u00f3n es peligrosa, pero no suelen ofrecer una escala gradual.<\/p>\n

\n

El modelo se basa en datos de cientos de miles de especies y en la variaci\u00f3n gen\u00e9tica humana<\/p>\n<\/blockquote>\n

Para afecciones \u00abtan raras como \u00fanicas\u00bb, no existen antecedentes cl\u00ednicos. Incluso si se secuenciara a toda la poblaci\u00f3n mundial, las mutaciones de estos pacientes ser\u00edan nuevas.<\/p>\n

Los m\u00e9todos tradicionales que dependen de patrones en grandes cohortes no sirven en estos casos. Por ello, el equipo liderado por\u00a0Debora Marks, Jonathan Frazer y Mafalda Dias recurri\u00f3 a la evoluci\u00f3n.<\/p>\n

Durante miles de millones de a\u00f1os, la naturaleza ha probado qu\u00e9 cambios tolera una prote\u00edna y cu\u00e1les son letales. Los modelos computacionales<\/strong> pueden aprender qu\u00e9 posiciones son cr\u00edticas comparando secuencias de muchas especies.<\/p>\n

Esta idea inspir\u00f3 EVE (Evolutionary model of Variant Effect<\/strong>), un algoritmo presentado en 2021 por los mismos autores. EVE clasificaba mutaciones como benignas o perjudiciales y se usa en gen\u00e9tica cl\u00ednica para interpretar variantes inciertas. Sin embargo, sus puntuaciones no eran comparables entre genes, lo que dificultaba priorizar mutaciones en todo el genoma.<\/p>\n

La tecnolog\u00eda popEVE resuelve este problema combinando datos evolutivos con informaci\u00f3n del UK Biobank y gnomAD, dos grandes repositorios gen\u00e9ticos. As\u00ed calibra sus predicciones para humanos y clasifica mutaciones en todo el proteoma, permitiendo comparar variantes de diferentes genes en la misma escala.<\/p>\n

Para validar popEVE, se analizaron datos de m\u00e1s de 31.000 familias con hijos afectados por trastornos graves del desarrollo. En el 98% de los casos con mutaci\u00f3n causal conocida, popEVE la identific\u00f3 como la m\u00e1s perjudicial del genoma del ni\u00f1o. Tambi\u00e9n super\u00f3 a AlphaMissense. Adem\u00e1s, descubri\u00f3 123 genes candidatos nunca vinculados antes a estos trastornos, muchos activos en el cerebro en desarrollo. De ellos, 104 se observaron en solo uno o dos pacientes.<\/p>\n

Sin sesgos poblacionales<\/p>\n

Otra ventaja es que evita sesgos<\/a> hacia poblaciones de ascendencia europea, frecuentes en otras herramientas. \u00abNadie deber\u00eda recibir un resultado alarmante solo porque su comunidad no est\u00e9 bien representada en las bases de datos globales. popEVE contribuye a corregir ese desequilibrio, algo que el campo llevaba mucho tiempo necesitando\u00bb, afirma Frazer, coautor del estudio.<\/p>\n

Los autores advierten que popEVE solo interpreta cambios en el ADN que alteran prote\u00ednas. No cubre toda la variaci\u00f3n gen\u00e9tica y no sustituye al criterio cl\u00ednico: los m\u00e9dicos deben considerar historiales y s\u00edntomas para orientar el diagn\u00f3stico.<\/p>\n

Este art\u00edculo fue publicado originalmente en SINC<\/a>. Lea el original en este enlace<\/a>.<\/p>\n","protected":false},"excerpt":{"rendered":"Un equipo del Centro de Regulaci\u00f3n Gen\u00f3mica (CRG) de Barcelona y la Harvard Medical School ha desarrollado popEVE,…\n","protected":false},"author":2,"featured_media":257322,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[92],"tags":[11590,25,24,2381,165,6523,136,166,23],"class_list":{"0":"post-257321","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-salud","8":"tag-enfermedades-raras","9":"tag-es","10":"tag-espana","11":"tag-genetica","12":"tag-health","13":"tag-home","14":"tag-inteligencia-artificial","15":"tag-salud","16":"tag-spain"},"share_on_mastodon":{"url":"https:\/\/pubeurope.com\/@es\/115617737325813237","error":""},"_links":{"self":[{"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/posts\/257321","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/comments?post=257321"}],"version-history":[{"count":0,"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/posts\/257321\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/media\/257322"}],"wp:attachment":[{"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/media?parent=257321"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/categories?post=257321"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.europesays.com\/es\/wp-json\/wp\/v2\/tags?post=257321"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}