El estudio publicado en Nature Communications en 2026 utilizó datos de secuenciación del exoma completo de una cohorte compuesta por 6,135 casos y 6,245 controles para predecir el riesgo de esquizofrenia. Los investigadores evaluaron modelos de redes neuronales de interpretación genómica de extremo a extremo para la predicción del riesgo genético. Los resultados mostraron que, cuando se dispone de un tamaño de muestra suficiente, las redes neuronales no lineales superan claramente a los modelos aditivos tradicionales.
El estudio señaló que las interacciones genéticas de alto orden entre alelos y variantes asociados con la esquizofrenia deben tenerse en cuenta en los modelos clínicos y genéticos cuantitativos. Para examinar los procesos de decisión de los modelos, se combinaron técnicas de inteligencia artificial explicable con conocimientos biológicos previos. Este método permitió volver a identificar genes de riesgo de esquizofrenia ya conocidos y destacó BASP1, que interviene en el desarrollo neuronal, como un posible gen de la esquizofrenia que no ha sido suficientemente investigado.
Algunas partes del artículo fueron adaptadas de la tesis doctoral de acceso público de N. Verplaetse. El estudio fue llevado a cabo por investigadores de KU Leuven y Université de Montpellier-CNRS UMR 5535, y recibió apoyo de FWO, CNRS Chaire de Professeur Junior, Research Council KU Leuven, CELSA, Flemish Government y AI Research Program. Los autores no declararon conflictos de intereses. El artículo se publicó en acceso abierto bajo la licencia Creative Commons Attribution-NonCommercial-NoDerivatives 4.0.
Por qué es importante
Los resultados muestran que los enfoques basados únicamente en la suma de variantes individuales pueden ser insuficientes para captar las interacciones biológicas en grandes conjuntos de datos al evaluar el riesgo genético de la esquizofrenia. Esto pone de relieve la cuestión de hasta qué punto los modelos que se utilizarán en la investigación clínica tienen en cuenta las relaciones no lineales y si sus decisiones son explicables desde el punto de vista biológico. El uso conjunto de la inteligencia artificial explicable y la información biológica ofrece un marco metodológico para evitar que las salidas de los modelos se reduzcan a un resultado meramente estadístico. El hecho de que BASP1 destaque como gen candidato indica que las redes génicas relacionadas con la esquizofrenia podrían ampliarse; sin embargo, el significado de este hallazgo para la predicción del riesgo y el desarrollo neuronal aún deberá esclarecerse mediante investigaciones posteriores.