Investigadors de la Universitat Oberta de Catalunya (UOC) i de l’Institut de Ciències Fotòniques (ICFO) han creat una base de dades espectral Raman accessible i oberta a la comunitat científica que conté 140 biomolècules dels tipus principals, com àcids nucleics, proteïnes, lípids, carbohidrats, etc. L’espectroscòpia Raman és una tècnica que permet analitzar la composició química i l’estructura molecular de materials mitjançant la interacció de la llum amb la matèria, específicament en l’anomenat fenomen de dispersió Raman, descobert pel físic Chandrasekhara Venkata Raman el 1928.
El treball Open Raman spectral library for biomolecule identification, publicat en obert a la revista Chemometrics and Intelligent Laboratory Systems, ha estat liderat per Marcelo Terán, enginyer de dades i investigador del grup AIWELL (Artificial Intelligence for Human Well-being) de la UOC, i també hi han col·laborat David Masip i David Merino, investigadors del grup de recerca, i els científics José Javier Ruiz i Pablo Loza-Alvarez, de l’ICFO.
“Fins ara, una de les limitacions del potencial de Raman en aplicacions biomèdiques era la falta de dades espectrals obertes de biomolècules. Per això ens vam proposar crear una biblioteca accessible, estandarditzada i útil per a la comunitat científica, que serveixi de base per a futures recerques i aplicacions clíniques”, explica Marcelo Terán, que està fent el quart any de doctorat al grup AIWELL.
En el projecte, els investigadors han implementat dos algoritmes de cerca que han mostrat una precisió del 100 % tant en el top 10 de la identificació de molècules —per exemple, el col·lagen— com en la identificació del tipus de molècula —per exemple, proteïna—, pel que fa als mesuraments de biomolècules pures i a l’hora de replicar els resultats d’estudis anteriors.
Dades biomèdiques en obert per fer avançar la medicina
“L’espectroscòpia Raman permet analitzar la composició química de mostres de manera no invasiva, la qual cosa és molt valuosa en l’àmbit mèdic. Aquesta base de dades pot facilitar la identificació precisa de biomolècules i, en el futur, contribuir a estudiar com varia la seva presència en processos biològics com el càncer”, assegura Terán. “La disponibilitat de dades biomèdiques de qualitat és essencial per avançar en el desenvolupament de solucions basades en intel·ligència artificial. Aquesta necessitat va ser el punt de partida de la recerca”, explica l’investigador de la UOC.
Els investigadors van recopilar dades d’espectres Raman de biomolècules a partir dels articles més rellevants publicats en aquest àmbit i van desenvolupar un algoritme amb tècniques clàssiques de visió per computador per extreure’n automàticament les dades. Un dels reptes d’aquest treball va ser el baix nombre de dades espectrals publicades en obert, que van superar utilitzant validacions experimentals. “El nostre treball ofereix una eina que pot ajudar a identificar de manera objectiva, ràpida i estandarditzada la composició molecular a partir del seu espectre Raman. Actualment, aquesta identificació es fa mitjançant l’anàlisi visual dels pics principals dels espectres i es compara amb les referències de la literatura. La nostra eina pot agilitzar aquest procés al mateix temps que proporciona una solució estàndard que redueix el biaix humà durant l’anàlisi”, afirma el doctorand, adscrit a l’eHealth Centre de la UOC.
Una base de dades destinada a créixer amb l’aportació de la comunitat
De cara al futur, els investigadors esperen que la comunitat científica contribueixi a ampliar la base de dades, de manera que es converteixi en una biblioteca col·laborativa i de referència per a espectres Raman de biomolècules.
“Encara és poc comú que en els articles científics es comparteixin les dades obertament, en especial en l’àmbit de l’espectroscòpia Raman. Aquesta manca d’accés a dades limita considerablement la recerca biomèdica. Perquè la IA pugui aplicar-se amb èxit, necessita grans volums de dades fiables i accessibles, i és aquí on els projectes de ciència oberta tenen un paper clau”, explica Marcelo Terán.
L’objectiu és que, a mesura que es vagi ampliant la base de dades, es pugui impulsar l’entrenament de models d’intel·ligència artificial en l’àmbit de l’anàlisi molecular de mostres biològiques. Això obrirà la porta a noves aplicacions en diagnòstic i monitoratge de malalties.
