Investigadores de la Universidad de Edimburgo han presentado GelGenie, una herramienta de código abierto impulsada por IA diseñada para acelerar significativamente y mejorar la precisión del análisis de datos de electroforesis en gel [2, 7]. La electroforesis en gel es una técnica ampliamente utilizada en las ciencias biológicas para analizar biomoléculas, pero el análisis manual de las imágenes de gel resultantes puede llevar mucho tiempo y ser propenso a sesgos [3, 9].
GelGenie automatiza la identificación y cuantificación de bandas en imágenes de gel, eliminando las interpretaciones subjetivas [2, 4]. El modelo de IA se entrenó utilizando más de 500 imágenes de gel etiquetadas manualmente y puede identificar con precisión las bandas independientemente de la calidad de la imagen o el ruido de fondo [2, 3, 9]. El equipo, que incluye investigadores de la Universidad de Harvard y el Instituto del Cáncer Dana-Farber, lanzó la herramienta en septiembre de 2024, junto con el conjunto de datos y los pesos del modelo, para fomentar un mayor desarrollo y colaboración [7, 8].
Esta innovación promete agilizar los flujos de trabajo de investigación, reducir el error humano y acelerar los descubrimientos en varios campos que dependen de la electroforesis en gel [5, 6, 14]. GelGenie aporta capacidades avanzadas de IA a una técnica de laboratorio fundamental, lo que marca un importante paso adelante en el procesamiento de datos para la investigación biológica [3, 7, 9].