Saúde

Buscando os mecanismos celulares da doença, com ajuda do aprendizado de máquina
Caroline Uhler combina aprendizado de máquina, estatística e biologia para entender como nossos corpos respondem às doenças.
Por Daniel Ackerman - 07/04/2021


A pesquisa de Caroline Uhler combina aprendizado de máquina e estatística com biologia para entender melhor a regulação genética, saúde e doença. Apesar dessa missão elevada, Uhler continua dedicada à paixão original de sua carreira: o ensino. Créditos: Imagem: Adam Glanzman

A pesquisa de Caroline Uhler combina aprendizado de máquina e estatística com biologia para entender melhor a regulação genética, saúde e doença. Apesar dessa missão elevada, Uhler continua dedicada à paixão original de sua carreira: o ensino. “Os alunos do MIT são incríveis”, diz Uhler. “É isso que torna tão divertido trabalhar aqui.”

Uhler recebeu recentemente um cargo no Departamento de Engenharia Elétrica e Ciência da Computação. Ela também é membro associado do Broad Institute do MIT e Harvard, e pesquisadora do Instituto de Dados, Sistemas e Sociedade do MIT e do Laboratório de Sistemas de Informação e Decisão.

Tendo crescido ao longo do Lago Zurique, na Suíça, Uhler soube desde cedo que queria lecionar. Após o colegial, ela passou um ano ganhando experiência em sala de aula - e não discriminou por assunto. “Ensinei latim, alemão, matemática e biologia”, diz ela. Mas, no final do ano, ela começou a gostar mais de ensinar matemática e biologia. Então, ela se matriculou na ETH Zurique para estudar essas matérias e obter um mestrado em educação que lhe permitiria se tornar professora de ensino médio em tempo integral.

Mas os planos de Uhler mudaram, graças a uma aula que ela assistiu a um professor visitante da Universidade da Califórnia em Berkeley, chamado Bernd Sturmfels. “Ele ministrou um curso chamado estatística algébrica para biologia computacional”, diz Uhler. O título do curso por si só pode soar como um bocado, mas para Uhler, a aula era um elo elegante entre suas paixões por matemática e biologia. “Basicamente conectava tudo de que eu gostava em um curso”, lembra ela.

A estatística algébrica forneceu a Uhler um conjunto exclusivo de ferramentas para representar a matemática de sistemas biológicos complexos. Ela ficou tão intrigada que decidiu adiar seus sonhos de lecionar e buscar um doutorado em estatística.

Uhler se matriculou na UC Berkeley, concluindo sua dissertação com Sturmfels como seu orientador. “Eu adorei”, diz Uhler sobre seu tempo em Berkeley, onde mergulhou mais fundo no nexo de matemática e biologia usando álgebra e estatística. “Berkeley foi muito aberto no sentido de que você pode fazer todos os tipos de cursos”, diz ela, “e realmente buscar seus diversos interesses de pesquisa desde o início. Foi uma ótima experiência."

Muito de seu trabalho era teórico, tentando responder a perguntas sobre modelos de rede em estatísticas. Mas, no final de seu doutorado, suas perguntas assumiram uma abordagem mais aplicada. “Fiquei muito interessado em causalidade e regulação gênica - como podemos aprender algo sobre o que está acontecendo na célula?” Uhler diz que a regulação do gene oferece amplas oportunidades para aplicar a análise causal, porque as mudanças em um gene podem ter efeitos em cascata na expressão dos genes a jusante.

Ela levou essas questões de causalidade ao MIT, onde aceitou o cargo de professora assistente em 2015. Suas primeiras impressões sobre o Instituto? “O local era muito colaborativo e um centro de aprendizado de máquina e genômica”, disse Uhler. “Fiquei animado em encontrar um lugar com tantas pessoas trabalhando na minha área. Aqui, todo mundo quer discutir pesquisa. É muito, muito divertido. ”

O Broad Institute, que usa a genômica para entender melhor a base genética das doenças e buscar soluções, também tem sido uma boa opção para os interesses acadêmicos de Uhler e sua abordagem cooperativa de pesquisa. O Broad anunciou no mês passado que a Uhler codirigirá seu novo Eric e Wendy Schmidt Center, que promoverá pesquisas interdisciplinares entre dados e ciências da vida.

Uhler agora trabalha para sintetizar dois tipos distintos de informações genômicas: sequenciamento e empacotamento 3D do DNA. O núcleo de cada célula do corpo de uma pessoa contém uma sequência idêntica de DNA, mas o arranjo físico desse DNA - como ele se torce e se enrola - varia entre os tipos de células. “Ao compreender a regulação do gene, está ficando claro que o empacotamento do DNA é muito importante”, diz Uhler. “Se alguns genes no DNA não forem usados, você pode simplesmente fechá-los e compactá-los de maneira bem densa. Mas se você tiver outros genes de que precisa com frequência em uma célula específica, você os terá abertos e talvez até mesmo próximos para que possam ser coregulados. ”

Aprender a interação do código genético e o empacotamento 3D do DNA pode ajudar a revelar como uma determinada doença afeta o corpo em um nível celular e pode ajudar a apontar para tratamentos direcionados. Para alcançar essa síntese, a Uhler desenvolve métodos de aprendizado de máquina, em particular baseados em autoencoders, que podem ser usados ​​para integrar dados de sequenciamento e dados de empacotamento para gerar uma representação de uma célula. “Você pode representar os dados em um espaço onde as duas modalidades estão integradas”, diz Uhler. “É uma questão que me deixa muito animado por causa de sua importância na biologia, bem como minha formação em matemática. É um problema de embalagem interessante. ”

Recentemente, Uhler se concentrou em uma doença em particular. Seu grupo de pesquisa foi coautor de um artigo que usa autoencoders e redes causais para identificar drogas que poderiam ser reaproveitadas para combater Covid-19. A abordagem pode ajudar a identificar candidatos a medicamentos a serem testados em ensaios clínicos e é adaptável a outras doenças em que dados detalhados de expressão gênica estão disponíveis.

Deixando de lado as realizações da pesquisa, Uhler não abandonou suas primeiras aspirações de carreira de ser professora e mentora. Na verdade, tornou-se um de seus papéis mais queridos no MIT. “Os alunos são incríveis”, diz Uhler, destacando sua curiosidade intelectual. “Você pode simplesmente ir até o quadro branco e iniciar uma conversa sobre pesquisa. Todo mundo é tão motivado para aprender e se preocupa profundamente. ”

 

.
.

Leia mais a seguir