Análisis de series temporales para comprender el mecanismo celular

Hace décadas que sabemos que las células están compuestas de mitocondrias, retítulo endoplásmico y núcleo, entre otros elementos. Pero aunque sabemos las funciones individuales de estas unidades, aún no se comprende muy bien cómo se relacionan y en qué secuencia realizan su trabajo. Un equipo de la Universidad Northwestern en Illinois ha desarrollado un algoritmo de análisis de series temporales para arrojar algo de luz sobre este asunto.

La estrategia de investigación más habitual en mecánica celular es la de inducir un estímulo para observar la respuesta asociada. Pero la misma perturbación del entorno celular podría estar enmascarando el mecanismo natural de funcionamiento. Por ese motivo, los integrantes del estudio han optado por una aproximación distinta, consistente en generar series temporales con los datos obtenidos de distintas fuentes, a fin de generar una imagen completa.

El algoritmo se denomina “Inferencia por Desplazamiento de la Ventana en Generación de Redes”, o SWING por sus siglas en inglés, y está disponible para otros investigadores gracias a una licencia de código abierto. Los primeros resultados han sido muy positivos ya que SWING se puso a prueba generando simulaciones por ordenador del comportamiento de bacterias de Escherichia Coli. Este es un ejemplo perfecto del ciclo de vida del proyecto en Big Data: planteamiento de la premisa, localización de datos, desarrollo del modelo, desarrollo de la prueba piloto, conclusiones y traslado a producción. Plantear el análisis del comportamiento celular como un problema de series temporales y no como un problema de causa y efecto es la clave en este caso.

Más información: Proceedings of the National Academy os Sciences of the USA.