La nota añade la referencia bibliográfica del estudio: García-Criado F, Pérez-García J, Rojano E, Seoane-Zonjic P, Ranea JAG. «Predicting gene compensation in disease with graph embedding techniques». Artificial Intelligence in Medicine, 2026 Nov;181:103505, con doi 10.1016/j.artmed.2026.103505, publicación electrónica del 20 de agosto de 2026 y PMID 42632343.
También precisa que la metodología emplea, además de node2vec, otros métodos matemáticos de integración de datos, y que el siguiente paso será comprobar experimentalmente si la compensación se produce y en qué tejidos o tipos celulares.
Cuando un gen deja de funcionar correctamente, otro con una actividad similar puede asumir parte de su papel y reducir las consecuencias de la alteración. Es lo que se conoce como compensación genética funcional, y un equipo de investigadores malagueños ha diseñado una metodología computacional capaz de predecir y priorizar qué genes podrían desempeñar esa función de respaldo en enfermedades de origen genético.
El trabajo lo firman investigadores del Instituto de Investigación Biomédica de Málaga y Plataforma en Nanomedicina (IBIMA Plataforma BIONAND), el Departamento de Biología Molecular y Bioquímica de la Universidad de Málaga (UMA), el Centro de Investigación Biomédica en Red de Enfermedades Raras (CIBERER) y el Instituto Nacional de Bioinformática (INB/ELIXIR-ES), ambos vinculados al Instituto de Salud Carlos III. Se ha publicado en la revista Artificial Intelligence in Medicine y lo ha desarrollado el grupo de IBIMA Bases Moleculares de los Sistemas Biológicos (SIBIUMA).
La metodología integra información de ocho grandes recursos biomédicos, con los que se construyeron 19 redes funcionales de genes. Entre los datos analizados están las relaciones entre proteínas, las funciones biológicas de los genes, su asociación con enfermedades y fenotipos, las rutas celulares en las que participan o la dependencia genética de células tumorales. El sistema transforma esas relaciones en representaciones matemáticas que permiten detectar similitudes no siempre evidentes mediante un análisis convencional, con técnicas de representación de redes (graph embeddings) como node2vec.
El objetivo no es afirmar que un gen compensará a otro, sino reducir el número de candidatos que deben estudiarse en el laboratorio, situando en las primeras posiciones los que presentan mayor probabilidad de ejercer una función compensatoria. La aproximación se apoya en NetAnalyzer, una herramienta del propio grupo ampliada para incorporar nuevas técnicas de análisis y aprendizaje sobre grafos.
Pruebas con enfermedades ya conocidas
Para comprobar su funcionamiento, los investigadores la probaron con enfermedades en las que ya se conocen genes capaces de compensar el fallo de otros. El sistema situó entre sus principales candidatos los genes compensatorios conocidos en tres enfermedades: la distrofia muscular de Duchenne, la atrofia muscular espinal y la beta-talasemia. Es decir, reconoció relaciones genéticas ya demostradas por la ciencia, lo que refuerza su utilidad para buscar nuevos genes en otras enfermedades.
El trabajo también analiza la otra cara de este mecanismo: las células tumorales pueden aprovecharlo para sobrevivir y adaptarse a tratamientos. Se estudiaron casos ya conocidos en cáncer de próstata y cáncer de mama en los que unos genes asumen funciones de otros y contribuyen a que las células tumorales sigan funcionando a pesar del tratamiento.
Los propios autores señalan limitaciones: los mecanismos de compensación pueden variar según el tejido y el contexto celular, y el modelo se basa en la información disponible en bases de datos biológicas, por lo que los genes más estudiados pueden estar mejor representados. La incorporación futura de datos de expresión génica en distintos tejidos y a nivel de célula individual podría mejorar su capacidad predictiva.
Desde el punto de vista terapéutico, identificar un gen capaz de compensar la función de otro abre una vía distinta a la de reparar directamente el gen alterado. Una vez localizado y validado experimentalmente ese «gen de respaldo», podría estudiarse cómo incrementar su actividad mediante pequeñas moléculas o herramientas basadas en ARN. Estas aplicaciones son un paso posterior: el sistema tiene como función principal identificar y priorizar dianas que después deberán validarse mediante experimentos biológicos y estudios preclínicos.
Compartir esta noticia
La última hora de Noticias, en tu móvil
Un aviso solo cuando pasa algo que no puede esperar. Gratis y sin cuenta.
En el iPhone, los avisos solo llegan si antes añades InforMálaga a la pantalla de inicio.
Cómo se hace, paso a paso
Este navegador no deja recibir avisos. Prueba con otro, como Chrome o Safari.
Has bloqueado los avisos de InforMálaga en este navegador. Se pueden volver a activar desde sus ajustes.
Cómo se hace, paso a paso