{"id":1687,"date":"2014-08-30T10:47:00","date_gmt":"2014-08-30T10:47:00","guid":{"rendered":"https:\/\/www.euroresidentes.com\/tecnologia\/avances-tecnologicos\/los-superordenadores-hacen"},"modified":"2016-04-14T12:06:37","modified_gmt":"2016-04-14T10:06:37","slug":"los-superordenadores-hacen","status":"publish","type":"post","link":"https:\/\/www.euroresidentes.com\/tecnologia\/avances-tecnologicos\/los-superordenadores-hacen\/","title":{"rendered":"Los superordenadores hacen descubrimientos que los cient\u00edficos no pueden"},"content":{"rendered":"

Ning\u00fan investigador puede leer todos los art\u00edculos y trabajos que se publican en su campo. Los ordenadores, en cambio, s\u00ed. Gracias a las asombrosas capacidades de c\u00e1lculo y procesamiento de datos de los nuevos superordenadores, las m\u00e1quinas est\u00e1n haciendo sus propios descubrimientos, utilizando la miner\u00eda de datos<\/strong> para analizar toda la literatura cient\u00edfica existente. En este art\u00edculo, averigur\u00e1s m\u00e1s cosas acerca algunos de estos superordenadores.<\/p>\n

\"Los<\/a><\/div>\n

Supercomputadora KnIt: nuevos medicamentos sobre el c\u00e1ncer<\/h3>\n

En mayo del a\u00f1o pasado, una supercomputadora en San Jos\u00e9, California, ley\u00f3 100.000 art\u00edculos de investigaci\u00f3n en 2 horas. Se encuentra nueva biolog\u00eda oculta en los datos. Esta computadora llamada KnIT<\/b> es uno de los pocos sistemas que empujan las fronteras del conocimiento sin la ayuda humana. <\/p>\n

KnIT<\/b>\u00a0no lee los peri\u00f3dicos como un cient\u00edfico. Esto le habr\u00eda tomado yoda la vida. En su lugar, se escanea toda la informaci\u00f3n en busca de una prote\u00edna llamada p53 , y una clase de enzimas que pueden interactuar con ella, llamadas quinasas. Tambi\u00e9n conocida como \u00abel guardi\u00e1n del genoma\u00bb, la p53 suprime tumores en los seres humanos. KnIt<\/b> rastre\u00f3 la literatura en busca de enlaces que impliquen quinasas p53 no descubiertas, que podr\u00edan proporcionar caminos para nuevos medicamentos contra el c\u00e1ncer. <\/p>\n

Habiendo analizado todos los documentos hasta 2003,\u00a0KnIt<\/b>\u00a0identific\u00f3 siete de las nueve quinasas\u00a0descubiertas durante los siguientes 10 a\u00f1os. M\u00e1s importante a\u00fan, tambi\u00e9n encontr\u00f3 lo que parec\u00edan ser dos p53 quinasas desconocidas para la ciencia. Pruebas de laboratorio iniciales confirmaron los hallazgos, aunque el equipo quiere repetir el experimento para estar seguro.<\/p>\n

La supercomputadora KnIt <\/b>es producto de una colaboraci\u00f3n entre IBM y el Baylor College of Medicine<\/i> en Houston, Texas. Es el \u00faltimo paso en un mundo extra\u00f1o donde las m\u00e1quinas aut\u00f3nomas hacen descubrimientos que van m\u00e1s all\u00e1 de los cient\u00edficos, simplemente rebuscando m\u00e1s a fondo a trav\u00e9s de lo que ya sabemos, y m\u00e1s r\u00e1pido que lo que cualquier humano podr\u00eda. <\/p>\n

En un documento que se presentar\u00e1 en la Conference on Knowledge Discovery and Data Mining<\/i> en la ciudad de Nueva York esta semana, los investigadores dicen que la sociedad es mejor en la generaci\u00f3n de nueva informaci\u00f3n que en el an\u00e1lisis de lo que ya tiene. \u00abEsto conduce a ineficiencias profundas a la hora de traducir la investigaci\u00f3n en progreso para la humanidad\u00bb. KnIt<\/b> pretende superar esta ineficiencia. <\/p>\n

\u00abEn general, las nuevas quinasas p53 se descubren a un ritmo de una por a\u00f1o\u00bb, dice Olivier Lichtarge, quien dirige el trabajo en Baylor. \u00abEsperamos poder acelerar en gran medida la tasa de descubrimiento\u00bb.<\/p>\n

\"\"

Imagen: Nature<\/p><\/div>\n

\u00a0\u00bfSe puede extender la actividad de KnIt a otras \u00e1reas de la ciencia?<\/h3>\n

Estudiar quinasas es importante para la investigaci\u00f3n del c\u00e1ncer, pero el equipo de Baylor piensa que este enfoque puede extenderse m\u00e1s all\u00e1 de los estudios biom\u00e9dicos a todas las \u00e1reas de la ciencia. Y si los descubrimientos algor\u00edtmicos de KnIt<\/b> se mantienen, ver\u00edamos un futuro en el que todo el mundo podr\u00eda tener un algoritmo personalizado y dar sentido a la literatura cient\u00edfica para averiguar la cura de sus dolencias, incluidas las adaptadas a su nivel gen\u00e9tico.<\/p>\n

Ampliarlo a otras \u00e1reas de la biolog\u00eda o las ciencias f\u00edsicas no es sencillo. \u00abPodr\u00edamos correr grandes problemas cuando tratamos de generalizar a m\u00e1s prote\u00ednas y genes\u00bb, dice Lichtarge. Y en temas como la f\u00edsica, los resultados tienden a ser presentado utilizando ecuaciones y gr\u00e1ficos en lugar de palabras. Sin embargo, los grupos de miner\u00eda de datos<\/b> est\u00e1n trabajando para recuperar informaci\u00f3n tambi\u00e9n de estos campos.<\/p>\n

\"\"

Imagen:\u00a0echathon.mytechlabs.com<\/p><\/div>\n

La idea de que el nuevo conocimiento puede ser descubierto mediante la b\u00fasqueda de v\u00ednculos entre hebras dispares de la investigaci\u00f3n se cristaliz\u00f3 primera vez en 1986 por el cient\u00edfico de la informaci\u00f3n Don Swanson<\/b> de la Universidad de Chicago. Se analiz\u00f3 una base de datos de la literatura cient\u00edfica manualmente para deducir que el aceite de pescado podr\u00eda ser un buen tratamiento para el s\u00edndrome de Raynaud, un trastorno circulatorio, ya que los estudios mostraron que el aceite de pescado podr\u00eda revertir ciertas condiciones que tambi\u00e9n se observaban en la enfermedad de Raynaud. Su presentimiento result\u00f3 ser correcto.<\/p>\n

Los avances de otras supercomputadoras (Eve, Facta+..) \u00bfpueden ser \u00fatiles a los usuarios no cient\u00edficos?<\/h3>\n

La ciencia moderna nos ha dado \u00abun pajar\u00bb enorme y complejo, pero la inteligencia de las m\u00e1quinas intenta moverse a trav\u00e9s de \u00e9l para clasificar y encontrar nuevas conexiones. <\/p>\n

Ross King, de la Universidad de Manchester, Reino Unido, ha desarrollado un tipo diferente de sistema automatizado, Eve<\/b>\u00a0que, seg\u00fan \u00e9l, ya ha descubierto un nuevo f\u00e1rmaco contra la malaria. En lugar de extraer nuevos conocimientos a partir de la literatura, Eve<\/b> lleva a cabo rob\u00f3ticamente experimentos de laboratorio centrados en la b\u00fasqueda de nuevos f\u00e1rmacos para tratar enfermedades olvidadas. King mantendr\u00e1 en secreto el descubrimiento hasta que se publique la obra, pero se dice que el compuesto es un ingrediente contenido en varias marcas de pasta de dientes.<\/p>\n

Las redes de conocimiento que los ordenadores crean en esta b\u00fasqueda automatizada de descubrimientos son \u00fatiles tambi\u00e9n para los no cient\u00edficos. Sophia Ananiadou<\/b><\/i> en la Universidad de Manchester trabaja en Facta +<\/b>, una base de datos que contiene enormes cantidades de informaci\u00f3n sobre el c\u00e1ncer, basados \u200b\u200ben datos extra\u00eddos de la literatura cient\u00edfica.<\/p>\n

\"\"

Sophia Ananiadou<\/p><\/div>\n

Aunque est\u00e1 dise\u00f1ado para ayudar a los investigadores del c\u00e1ncer, dice que podr\u00eda ser utilizado por el p\u00fablico en general para aprender m\u00e1s acerca de las enfermedades que han sido diagnosticadas<\/b>, sin tener que leer art\u00edculos cient\u00edficos mismos.\u00a0<\/p>\n

Modelos computacionales de c\u00e9lulas que se pueden utilizar para probar los medicamentos<\/h3>\n

Al prop\u00f3sito de la miner\u00eda de datos tambi\u00e9n puede darsele la vuelta. En lugar de encontrar nuevas perspectivas sobre temas especializados, los sistemas como Knit pueden encontrar agujeros en la investigaci\u00f3n existente que necesitan ser conectados. <\/p>\n

Natasa Miskov-\u017divanov<\/i> de la Universidad Carnegie Mellon<\/i>, Pittsburgh, est\u00e1 trabajando en el uso de t\u00e9cnicas similares para construir modelos computacionales de c\u00e9lulas que se pueden utilizar para probar los medicamentos. Normalmente, los modelos se tarda tiempo en desarrollarlos, con la participaci\u00f3n de bi\u00f3logos experimentales y te\u00f3ricos. Pero los modelos de Miskov-\u017divanov<\/i>\u00a0se construuen ellos mismos de forma r\u00e1pida y autom\u00e1tica utilizando los resultados de la literatura existente. Los modelos pueden ser probados por los cient\u00edficos en el laboratorio.<\/p>\n

\"\"

Natasa Miskov-\u017divanov<\/p><\/div>\n

El trabajo de Miskov-\u017divanov es financiado por la Agencia de Defensa de Estados Unidos DARPA como parte de Big Mechanism project<\/a>, que tiene como objetivo encontrar nuevos conocimientos ocultos en los grandes datos.\u00a0<\/p>\n

\u00abSe necesitan varios a\u00f1os para desarrollar un modelo significativo de lo que est\u00e1 pasando en una c\u00e9lula, pero lo que estamos haciendo podr\u00eda acelerar mucho el proceso\u00bb, dice. \u00abEso, a su vez, acelera las pruebas de medicamentos\u00bb.<\/p>\n

Nuevos avances podr\u00edan llegar mediante el an\u00e1lisis de la literatura cient\u00edfica en todas las disciplinas – la f\u00edsica a escala de las c\u00e9lulas y la biolog\u00eda molecular, por ejemplo.<\/p>\n

\u00abNo creo que pudi\u00e9ramos entender nunca este enorme y complicado rompecabezas sin ayuda automatizada\u00bb, dice King. \u00abSimplemente no hay suficientes doctores en el mundo para hacer los experimentos.\u00bb <\/p>\n

Fuente: New Scientist<\/a>, 27 de agosto 2014, por Hal Hodson.<\/p>\n

Seguir leyendo:<\/strong><\/p>\n