Algoritmos informáticos ayudan a detectar el cáncer de conexiones

Marcha 18, 2016 Admin Salud 0 6
FONT SIZE:
fontsize_dec
fontsize_inc

En un estudio publicado hoy en la revista New England Journal of Medicine, investigadores de la Universidad de Washington en St. Louis utilizan dos algoritmos desarrollados en Brown para montar el perfil genético más completo hasta ahora de la leucemia mieloide aguda (LMA), una forma agresiva de cáncer de la sangre . Los investigadores esperan que el trabajo conduzca a nuevos tratamientos AML basado en la genética de la enfermedad de cada paciente.

Los algoritmos desarrollados por Ben Raphael, Eli Upfal, y Fabio Vandin por el Departamento de Ciencias de la Computación y el Centro de Biología Computacional Molecular (CCMB), han jugado un papel clave en dar sentido a los conjuntos de datos gigantes necesarios para el estudio. El trabajo fue parte del proyecto Atlas del Genoma del Cáncer, cuyo objetivo es catalogar las mutaciones genéticas que hacen que las células se vuelvan cancerosas. Hacer eso requiere la secuenciación de todo el genoma de las células cancerosas y comparándolo con el genoma de las células sanas. Sin herramientas de cálculo, como el equipo de Brown ha desarrollado, el análisis de esos datos sería imposible.




El estudio utiliza dos algoritmos AML desarrollados por el equipo de Brown: HotNet y Dendrix. Ambos apuntan a identificar las redes de genes que son importantes en la creación de células cancerosas. Para entender cómo funcionan y por qué son importantes, es muy útil saber un poco "la genética del cáncer.

"Esperamos que los algoritmos producen información útil que es clínicamente importante."Los genes no suelen actuar u otro, sino que actúan juntos en las vías o redes", dijo Raphael, profesor asociado de ciencias de la computación. "Las mutaciones que causan el cáncer, a menudo el blanco de estas redes y caminos." Este es un problema para los investigadores que intentan encontrar mutaciones importantes, debido a que estas mutaciones a menudo se propagan por toda la red, y ocultos en los datos genéticos.

Imagine una vía celular que contiene cinco genes. Si cualquiera de estos genes adquiere una mutación, la ruta falla, y la célula se convierte en cancerosa. Esto significa cinco pacientes con tumor en sí mismo puede tener uno cualquiera de los cinco mutaciones diferentes. Esto hace la vida difícil para los investigadores que tratan de encontrar las mutaciones que las células cancerosas tienen en común. Los algoritmos desarrollados por Rafael y su equipo están diseñados para conectar los puntos e identificar las calles más importantes, en lugar de mirar sólo a los genes individuales.

El algoritmo funciona HotNet informar los datos de mutación de los pacientes en un mapa de interacciones conocidas genes y en busca de redes conectadas que se cambian con más frecuencia de lo que cabría esperar por azar. El programa es frecuentemente mutado genes como fuentes de calor. Observando el calor se distribuye por correo clúster a través del mapa, el programa encuentra las redes "caliente" implicados en el cáncer.

HotNet eligió diferentes redes que parecen ser activo en la LMA genoma. En un estudio publicado en 2011, las redes HotNet importantes para el cáncer de ovario identificaron también.

Dendrix, el nuevo algoritmo desarrollado en la Universidad Brown, va un paso más allá del poder de HotNet. HotNet trabaja con la búsqueda de mutaciones en las redes que ya son conocidos por los investigadores. Sin embargo, hay un sinnúmero de las redes de genes que los investigadores aún no han identificado. Dendrix está diseñado para buscar mutaciones en estas redes hasta ahora desconocidas.

Para encontrar nuevas redes, Dendrix explota el hecho de que las mutaciones que causan cáncer son relativamente raros. Un paciente con una mutación en un gen en una red es poco probable que una mutación simultánea en otro gen en esa red. Dendrix combinaciones de búsqueda de mutaciones que se producen con frecuencia por los pacientes, pero rara vez se presentan juntas en un solo paciente. Dicho de otra manera: imaginemos que un número sustancial de pacientes con cáncer han dado lugar a una mutación en el gen X. Otro gran grupo de pacientes tienen una mutación en el gen Y. Pero muy pocos pacientes tienen mutaciones en ambos X e Y al mismo tiempo. Dendrix búsqueda de estos modelos de exclusividad y establece que los grupos de genes con alta exclusividad probablemente están trabajando juntos.

"Cuando vemos esos patrones de exclusividad", dijo Raphael, "lo que sugiere un posible camino." El grupo ha probado Dendrix en tumores en los que los caminos ya se sabe, sólo para ver si el programa hubiera encontrado. De hecho, las rutas "se caen a la derecha de los datos", dijo Raphael.

Para el papel de la LMA, grupo Raphael desarrolló un mejor algoritmo - Dendrix ++ - que dirige mejores mutaciones extremadamente raras. Dendrix ++ eligió tres nuevas vías potenciales en la LMA para los médicos para investigar.

Raphael y Vandin, junto con estudiantes de posgrado en biología computacional Max Leiserson y Hsin-Ta Wu, continúan mejorando sus algoritmos y aplicarlos al nuevo conjunto de datos. El grupo recientemente comenzó a poner algoritmos para trabajar en lo que se llama el proyecto Pan-cáncer, que busca mutaciones en común a través de los tipos de cáncer.

"Para nosotros, la gente como computacional, es divertido para empujar estos algoritmos y aplicarlos a nuevos conjuntos de datos", dijo Raphael. "Al mismo tiempo, el análisis de los datos de cáncer esperamos que los algoritmos producen información útil que es clínicamente importante."

(0)
(0)

Comentarios - 0

Sin comentarios

Añadir un comentario

smile smile smile smile smile smile smile smile
smile smile smile smile smile smile smile smile
smile smile smile smile smile smile smile smile
smile smile smile smile
Caracteres a la izquierda: 3000
captcha