Investigadores de la Universidad de Texas en Arlington (UTA) han desarrollado una nueva herramienta computacional llamada BIT (Identificación Bayesiana de Reguladores Transcripcionales a partir de Conjuntos de Regiones de Consulta Basadas en Epigenómica). Esta herramienta ayuda a los científicos a identificar proteínas, conocidas como reguladores transcripcionales (RTs), que controlan la expresión génica. Los RTs son clave para muchos procesos biológicos, incluyendo el crecimiento, el desarrollo y las enfermedades. BIT utiliza un método llamado modelado jerárquico bayesiano. Este enfoque evalúa las probabilidades a través de diferentes tipos de evidencia, lo que permite a los científicos identificar los RTs con mayor precisión, incluso en situaciones complejas donde múltiples RTs están activos al mismo tiempo. La herramienta integra grandes cantidades de datos para mostrar qué reguladores están activos y cómo funcionan. El estudio fue publicado en la revista *Nature Communications* en junio de 2024. Cuando los RTs no funcionan correctamente, pueden causar problemas de salud como el cáncer. BIT puede ayudar a los investigadores a encontrar los RTs que son importantes para la supervivencia de los tumores. Esto podría conducir a nuevos tratamientos que se dirijan a RTs específicos para detener el crecimiento tumoral. La herramienta también puede ayudar en el estudio de trastornos metabólicos y enfermedades cardíacas. El desarrollo de BIT destaca la importancia del aprendizaje automático y la estadística avanzada en la investigación moderna. La investigación fue apoyada por los Institutos Nacionales de Salud y el Instituto de Investigación y Prevención del Cáncer de Texas.
La nueva herramienta computacional BIT ayuda a la investigación genética mediante la identificación de reguladores transcripcionales
Editado por: Elena HealthEnergy
Fuentes
Technology Networks
Bayesian Learning Enhances Accuracy in Gene Research - Bioengineer.org
ZeyuL01/BIT: Bayesian Identification of Transcriptional regulators - GitHub
PMC - BIT: Bayesian Identification of Transcriptional Regulators from Epigenomics-Based Query Region Sets
Biomedical Computing and Intelligent Systems Laboratory - College of Engineering - The University of Texas at Arlington
Biomedical Research in AI and Neuroimaging Laboratory - The University of Texas at Arlington
Integrative Immunology Laboratory - The University of Texas at Arlington
Computational Data Science Lab - The University of Texas at Arlington
Lea más noticias sobre este tema:
¿Encontró un error o inexactitud?
Consideraremos sus comentarios lo antes posible.