La IA contra la resistencia a antibióticos, ¿podrán animales extintos salvarnos en el presente?
La resistencia a los antibióticos es una crisis sanitaria global. En respuesta a esta situación, el laboratorio del Dr. César de la Fuente ha desarrollado un enfoque innovador llamado desextinción molecular, que utiliza inteligencia artificial (IA) para recuperar péptidos antimicrobianos a partir de secuencias genómicas de especies extintas. Usando la herramienta APEX, un sistema de deep learning desarrollado por el equipo, son capaces de identificar y posteriormente sintetizar compuestos como la mamutusina-2 (del mamut lanudo) y la megalocerina-1 (del alce gigante), con una importante eficacia contra bacterias multirresistentes y mostrando ventajas frente a los fármacos convencionales, como menor toxicidad.
Introducción a DeepLabCut: Uso de la GUI
La observación del comportamiento de los animales durante los experimentos es fundamental en muchas actividades científicas, como la biomecánica, genética, etología y neurociencia. Capturar las posiciones espaciales de cada uno de los miembros del animal durante el desarrollo de una actividad sin utilizar marcadores es todo un reto. Recientemente se ha presentado una herramienta informática de última generación de código abierto llamada DeepLabCutTM(DLC) basada en algoritmos de estimación de la postura, que permite al usuario entrenar una red neuronal profunda con datos etiquetados por el usuario, para rastrear con precisión las puntos de la imagen capturada previamente definidos.
La herramienta está desarrollada como un paquete de Pyhton que incluye ciertas características como la interfaz gráfica de usuario (en inglés GraphicalUser Interface, GUI) y mejoras de rendimiento y refinamiento de la red basadas en aprendizaje activo.
En esta newsletter proporcionamos una reducida guía paso a paso que permite crear un proyecto básico en DLC usando la GUI, que nos introduzca de forma fácil y amigable en el manejo de esta interesante herramienta. Además, a día de hoy, no se ha encontrado una guía de uso de esta GUI.
Librería Scikit-Learn de Python para machine learning
Como ya se mostró en newsletters anteriores el seguimiento de marcadores en registros de video de alta velocidad para el análisis cinemático de la locomoción en roedores es una labor tediosa que consume una gran cantidad de tiempo del operador. Por ello, en la Unidad de Ingeniería y Evaluación Motora (UIEM) actualmente se está implementando un algoritmo basado en inteligencia artificial que pretende realizar este seguimiento de manera automática. Además, con el software KineRAT, también desarrollado en la UIEM, se ha conseguido automatizar completamente todo el postprocesado de las variables cinemáticas de esta prueba, reduciéndolo a un clic de ratón. Cuando consigamos tener en marcha el seguimiento automático de marcadores, junto con el KineRAT dispondremos de una prueba de bajo coste con capacidad de aportar información fundamental del estado neurológico de nuestros animales de experimentación.
En esta newsletter se presenta una de las bibliotecas de aprendizaje automático ampliamente utilizada en Python: Scikit-Learn. Esto nos permitirá hacer una introducción práctica al Machine Learning y mostrar un ejemplo de uso.
Software KineRAT de análisis cinemático. Demostración de un caso
En la anterior newsletter de la Unidad de Ingeniería y Evaluación Motora (UIEM) de fecha 13/05/2022 se presentó un software que estamos desarrollando para el análisis de la cinemática de pequeños animales llamada KineRAT. Durante la prueba se registran unos vídeos de la rata pasando por un pasillo. Estos vídeos se tratan con otro software llamado Kinovea (Figura 1), que suministra los datos de los marcadores, de los ángulos de las articulaciones y de los eventos que definen los ciclos de marcha. Posteriormente, el software KineRAT divide los datos de cada pasada en ciclos y aporta una serie de estadísticos y de gráficas que el investigador aplicará en sus estudios. Las principales características de la herramienta KineRAT son las siguientes:
Software para el análisis cinemático de pequeños animales: KineRAT
La locomoción es una función fundamental en todos los animales. El estado neurológico de los humanos y de los animales de experimentación afecta directamente a la calidad de la locomoción, por lo que esta debe ser analizada en los animales utilizados en los estudios que buscan avances en el conocimiento y tratamiento de la lesión medular. La locomoción en animales cuadrúpedos es un movimiento repetitivo que involucra principalmente a las extremidades y cuyo objetivo es el avance del centro de gravedad. Con técnicas de fotogrametría se pueden medir los ángulos de las principales articulaciones de las extremidades, además de otras variables como la velocidad, la longitud de la zancada o la frecuencia del paso, calculadas a partir del tiempo y de los desplazamientos de los segmentos corporales, denominadas variables espaciotemporales. Dado que se trata de un movimiento repetitivo, la unidad básica de estudio es un ciclo de marcha, definido por el período comprendido entre dos contactos iniciales consecutivos de la pata con el suelo. A su vez, cada ciclo se puede dividir en fase de apoyo, caracterizada por el contacto entre la pata y el suelo, y la oscilación que es la fase aérea durante la cual el animal avanza la pata hasta el siguiente contacto inicial.
La Unidad de Ingeniería y Evaluación Motora (UIEM) ha desarrollado un software para el análisis de la cinemática articular de pequeños animales durante la locomoción, basado en el estudio de los diferentes ciclos que se generan durante el desarrollo de esta función.
SERVICIOS DE APOYO A LA INVESTIGACIÓN 