Seleccionar página

MasterTux/Pixabay

Fuente: MasterTux/Pixabay

El aprendizaje automático de inteligencia artificial (IA) tiene el potencial de revolucionar por completo no solo la forma en que se detectan las enfermedades, sino también identificar el tratamiento personalizado basado en la genómica de un paciente. Un nuevo estudio publicado en Cell Death & Disease, una revista de Nature revisada por pares, muestra cómo una plataforma multiómica habilitada para IA puede identificar nuevos biomarcadores para nuevos objetivos terapéuticos a partir de firmas de expresión génica en enfermedades asociadas al cáncer.

“La identificación de nuevos biomarcadores moleculares que estratifican a los pacientes con cáncer con diferentes resultados de supervivencia puede brindar nuevas oportunidades para el descubrimiento de objetivos y el posterior desarrollo de terapias personalizadas”, escribieron los investigadores de Insilico Medicine, la Universidad de Copenhague y la Universidad de Chicago.

Para encontrar estos biomarcadores, los investigadores utilizaron la plataforma basada en IA de Insilico Medicine llamada PandaOmics para encontrar nuevos objetivos de cáncer y analizar mutaciones de expresión génica en trastornos raros deficientes en la reparación del ADN. PandaOmics es un algoritmo de aprendizaje profundo de IA que lee artículos científicos para producir una representación gráfica del contenido. También permite la comparación de conjuntos de datos cruzados, la armonización de datos y el análisis de vías de activación o inhibición.

El algoritmo de IA permite el descubrimiento de fármacos mediante la identificación de dianas terapéuticas para enfermedades mediante el análisis de datos y genes relevantes. Se basa en cinco millones de muestras de datos ómicos (transcriptómica, genómica, epigenómica, proteómica, datos unicelulares), además de datos relevantes de más de 3,8 millones de patentes, 30 millones de investigaciones biomédicas publicadas, 1,3 millones de medicamentos de la fase uno del ensayo clínico a la fase de lanzamiento, 342.000 ensayos clínicos y tres millones de becas de investigación en ciencias de la vida financiadas.

En ciencia, ómicas se refiere a los campos de estudio que terminan en -ómicas, como la genómica (estudio de los genomas de un organismo), neurogenética (estudio del impacto genético en el sistema nervioso), psicogenómica (genómica aplicada y proteómica para comprender el impacto sobre el comportamiento y el cerebro normal y enfermo), la microbiómica (estudio de los genomas de los microorganismos) y la conectómica (estudio de las conexiones neuronales del cerebro: el conectoma).

Otros ejemplos de ómicas incluyen la pangenómica (estudio de todos los genes de una especie), la lipómica (estudio de las rutas y redes de los lípidos), la inmunoproteómica (estudio de las proteínas y la respuesta inmunitaria), la glicómica (estudio de los azúcares y los carbohidratos), la farmacogenómica ( estudio del genoma y la respuesta a fármacos), toxicogenómica (estudio de la actividad de genes y proteínas en células o tejidos cuando se exponen a toxinas), metabolómica (estudio de los procesos químicos de los metabolitos), transcriptómica (estudio de las transcripciones de ARN de un organismo: transcriptoma) , proteómica (estudio de proteínas), epigenómica (estudio de todo el conjunto de modificaciones epigenéticas sobre el material genético de una célula-epigenoma), y más.

La multiómica es la integración de una variedad de ómicas en un solo análisis. La integración del aprendizaje automático de inteligencia artificial con el análisis de datos multiómicos ha permitido a los científicos descubrir rápidamente nuevos biomarcadores.

«Con el fin de seleccionar enfermedades para el posterior análisis de la expresión génica y la identificación de los nuevos biomarcadores de cáncer, realizamos un agrupamiento jerárquico basado en el análisis de fenotipos clínicos comunes que prevalecen en múltiples enfermedades de reparación del ADN», escribieron los investigadores. “En particular, encontramos tres grupos principales de enfermedades que cubren diversos fenotipos”.

Los científicos identificaron tres grupos principales de enfermedades y seleccionaron estas enfermedades hereditarias raras para un análisis más detallado: el síndrome de Louis-Bar (ataxia-telangiectasia), el síndrome de Nijmegen Breakage y el síndrome de Werner. Las tres son enfermedades autosómicas recesivas, lo que significa que deben estar presentes dos copias del gen anormal para que se desarrollen los rasgos o el síndrome, según el Instituto Nacional de Salud (NIH) de EE. UU.

El síndrome de Louis-Bar es un trastorno neurodegenerativo hereditario raro que causa una discapacidad grave y afecta a sistemas del cuerpo como el sistema nervioso y el sistema inmunitario. Las personas con el síndrome de Louis-Bar tienen un riesgo elevado de desarrollar cánceres del sistema inmunitario y algunos tipos de cánceres de la sangre, según el St. Jude Children’s Research Hospital.

El síndrome de Nijmegen Breakage es un trastorno genético raro que se presenta al nacer con un tamaño de cabeza inusualmente pequeño (microcefalia), rasgos faciales dismórficos y baja estatura. El nombre proviene de la multitud de roturas de ADN que se encuentran en las personas con la enfermedad. Según los NIH, las personas con el síndrome de Nijmegen Breakage tienen un mayor riesgo de cáncer, específicamente, de desarrollar linfoma no Hodgkin, un cáncer de las células del sistema inmunitario, y otros cánceres asociados con este síndrome, que incluyen cánceres cerebrales como el glioma y meduloblastoma, así como rabdomiosarcoma, un cáncer de los tejidos de los músculos.

El síndrome de Werner es una enfermedad rara caracterizada por un envejecimiento prematuro y un mayor riesgo de cánceres como el de piel y el de tiroides. Las causas más comunes de muerte para las personas con síndrome de Werner son el cáncer y los ataques cardíacos, según los NIH.

Los investigadores utilizaron conjuntos de datos de expresión génica de trastornos deficientes en la reparación del ADN con un riesgo elevado de cáncer para identificar biomarcadores para genes frecuentemente desregulados que podrían estar asociados con la progresión del cáncer. En un esfuerzo por detectar las vías relacionadas con el cáncer en las enfermedades, el equipo analizó los cambios en los perfiles de expresión génica, específicamente aquellos que mostraban genes que estaban desregulados.

“En particular, CEP135 fue el gen más regulado a la baja con un patrón de expresión similar en las tres enfermedades de reparación del ADN, lo que sugiere que puede estar asociado con el fenotipo de cáncer compartido”, informaron los científicos.

Los científicos plantearon la hipótesis de que el gen CEP135 podría servir como un biomarcador predictivo que podría clasificar a los pacientes en subgrupos con diferentes resultados de supervivencia. Para probar esto, el equipo realizó un análisis de supervivencia para 33 tipos de cáncer del conjunto de datos The Cancer Genome Atlas (TCGA), uno de los conjuntos de datos genómicos más grandes y completos disponibles con muestras de cáncer de más de 11,000 pacientes que abarcan un período de doce años según los EE. UU. Instituto Nacional del Cáncer.

Esto resultó en el descubrimiento de que el gen CEP135 puede servir como biomarcador predictivo para pacientes con sarcoma, un tipo raro de tumor canceroso que se desarrolla en el tejido conectivo. Al perfeccionar su análisis en pacientes con sarcoma con alta expresión del gen CEP135 y bajos resultados de supervivencia, los científicos descubrieron, con la ayuda del algoritmo de IA, una lista de los 20 genes objetivo más prometedores. Esta lista de genes candidatos se redujo aún más a cinco genes después de la verificación experimental. De estos cinco restantes, el gen de la quinasa 1 tipo polo (PLK1) fue el único que mostró una disminución significativa en el crecimiento celular, lo que lo convierte en un objetivo potencial para el tratamiento futuro del cáncer.

“Si bien se requiere una mayor validación de objetivos, este estudio demostró el potencial de los estudios in silico para un rápido descubrimiento de biomarcadores y caracterización de objetivos”, concluyeron los científicos.

Copyright © 2022 Cami Rosso Todos los derechos reservados.