Desbloquear los secretos del cáncer usando las 'redes sociales' de las células

Este es el sitio para sugerir encuestas y temas de debate de interés general en nuestras enfermedades, con las que aprender más sobre ellas. Colabora y enriquécenos con tu opinión, eso si, siempre respetando a las demás personas y sus opiniones.
Reglas del Foro
El Webmaster y los Moderadores no se responsabilizan de las opiniones vertidas por los usuarios registrados en el Foro.

Contando nuestras experiencias, nos ayudamos los unos a los otros, ya no estas solo/a. Entra en nuestros Foros y cuéntanos tus experiencias. Solidaridad, comprensión, aquí te escuchamos, hazte oír.

Condiciones de uso del Foro: Puntea aquí.
fercu
Mensajes: 7809
Registrado: Sab Ago 22, 2009 12:48 pm
genero: Hombre
soy: Familiar
pais: España
Nombre real: fernando
Patologia: MM
Localidad: Cáceres

Desbloquear los secretos del cáncer usando las 'redes sociales' de las células

Mensaje por fercu »

Información de [Cancer Center]

http://uacc.arizona.edu/news/unlocking- ... 0%99-cells

Desbloquear los secretos del cáncer usando las 'redes sociales' de las células

Traducido en Google:

Desbloquear los secretos del cáncer usando las 'redes sociales' de las células
Megha Padi, PhD, del Centro de Cáncer de la UA ha desarrollado un método para investigar los fundamentos genéticos del cáncer y otras enfermedades, lo que podría conducir a mejores tratamientos.

Contacto con los medios: Anna C. Christensen (enlace envía un correo electrónico) , UA Cancer Center, 520-626-6401, achristensen@email.arizona.edu (el enlace envía un correo electrónico)

9 de mayo de 2018

TUCSON, Arizona - Los titulares recientes han arrojado sospechas sobre el análisis de redes sociales, que puede extraer datos de Internet para publicitar anuncios o potencialmente influir en las elecciones.

Pero, ¿qué pasaría si pudiéramos utilizar esas mismas herramientas no para el beneficio económico o político de unos pocos, sino para la salud de toda la humanidad? Los científicos ahora pueden aprovechar las herramientas del análisis de redes sociales para comprender las conexiones entre los genes, un avance que algún día podría llevar a avances médicos.

Megha Padi, PhDMegha Padi, PhD, directora de UA Cancer Center Bioinformatics Shared Resource y profesora asistente de biología molecular y celular, desarrolló un algoritmo informático llamado ALPACA que revela qué redes de genes se activan en una célula enferma, un enfoque que podría conducir a mejores tratamientos. para varias enfermedades Los resultados se publicaron en línea el 19 de abril en la revista de acceso abierto Nature Partner Journal Systems Biology and Applications .

Los investigadores de cáncer usualmente se enfocan en genes específicos cuando comparan células saludables con células tumorales, un enfoque que no explica completamente lo que ocurre detrás de escena para causar cáncer.

"Puede obtener una lista de las piezas en su automóvil, pero no comprenderá qué hace funcionar el automóvil hasta que comprenda cómo se conectan todas las partes entre sí", dijo el Dr. Padi.

Asimismo, es esencial estudiar cómo los genes funcionan juntos como parte de una red más grande, por lo que el Dr. Padi está analizando estas comunidades de genes de la misma manera que se examinaría una red social compuesta por conexiones entre personas que se conocen entre sí.

El Dr. Padi es el primer autor del estudio, en colaboración con John Quackenbush, PhD, director del Centro de Biología Computacional del Cáncer del Instituto del Cáncer Dana-Farber. El estudio se llevó a cabo cuando ella era becaria postdoctoral en Dana-Farber; El Dr. Padi se unió a la UA en enero de 2018.

Gene 'comunidades'
Los genes en una comunidad, como las personas en una red social, hablan entre sí. En una célula sana, las comunidades de genes funcionan como trabajadores de fábrica, cooperando para procesar materias primas en bienes que la célula necesita para prosperar. En una célula enferma, la falta de comunicación a lo largo de la "línea de montaje" da como resultado productos defectuosos.

El seguimiento de cómo las conversaciones de los genes cambian con el tiempo podría proporcionar pistas sobre cómo surge el cáncer. Estas conversaciones se pueden analizar utilizando herramientas desarrolladas para estudiar redes sociales.

"Un ejemplo clásico es una red telefónica", dijo el Dr. Padi. "Llamaré a mi madre, mi madre puede llamar a mi hermana, mi hermana me está llamando, y puedo llamarte, pero no llamarás a mi mamá. Se forman comunidades naturales, como su comunidad de trabajo y su comunidad familiar ".

El Dr. Quackenbush agregó, "De la misma manera, vemos que las redes reguladoras de genes forman comunidades. El patrón de "conversaciones" dentro de las comunidades cambia entre individuos sanos y enfermos. ALPACA es el primer método para entender cómo se reorganiza la 'red social' de la célula en la enfermedad, lo que podría proporcionar pistas sobre cómo se forma el cáncer ".

Para descubrir las causas del cáncer, el desafío es encontrar las diferencias entre las comunidades de genes en las células sanas en comparación con las células enfermas, en lugar de las diferencias entre los genes individuales. Pero comparar las comunidades de genes es más fácil decirlo que hacerlo.

Desenredando la 'bola de pelo' con análisis de red
La genética subyacente al cáncer puede ser compleja, con decenas de miles de componentes que interactúan entre sí. Dibujar un diagrama de estas interacciones produce lo que los investigadores llaman una "bola de pelo".

"Para hacer un mapa que los seres humanos realmente puedan entender, los científicos necesitan computadoras para descubrir las formas sutiles en que esta 'bola de pelo' se tuerce en las células tumorales", dijo el Dr. Padi.

La incorporación de análisis de redes sociales de ALPACA es un uso innovador de las herramientas que se asocian más comúnmente con el marketing, no con la investigación médica.

"Los científicos de la red generalmente hacen preguntas sobre cómo la información se está diseminando a través de Twitter u otros canales de comunicación", dijo el Dr. Padi. "Estamos haciendo preguntas completamente diferentes, como cómo funcionan las redes en diferentes tipos de tumores. Este tipo de investigación es rara porque no muchas personas trabajan en ambos campos al mismo tiempo. La medicina de red sigue siendo un campo prometedor ".

El enfoque del Dr. Padi permite una exploración más holística de las bases genéticas del cáncer.

"El método nos permite analizar la 'bola de pelo' y determinar las vías regulatorias que impulsan la enfermedad", dijo Guang Yao, PhD, profesor asistente de UA de biología molecular y celular, que no participó en el desarrollo de ALPACA. "Hay muchos métodos estadísticos para encontrar cambios en los genes individuales, pero en última instancia queremos comprender el mecanismo que impulsa estos cambios".

Encontrar mejores tratamientos
Comprender qué causa el cáncer es una cuestión científica importante por derecho propio, y puede beneficiar a los pacientes si se aprovecha este conocimiento para encontrar mejores tratamientos. Uno de los siguientes pasos es identificar los candidatos a medicamentos que se pueden investigar más en el laboratorio.

"Nos gustaría utilizar lo que hemos aprendido para desarrollar nuevas estrategias que pueden ayudar a prevenir o curar enfermedades", dijo el Dr. Quackenbush.

El Dr. Padi está particularmente interesado en usar ALPACA para encontrar tratamientos novedosos para las personas cuyos cánceres no responden a los tratamientos actualmente disponibles. Al contrastar cánceres que no pueden tratarse con medicamentos, conocidos como tumores quimiorresistentes, con tumores quimiosensibles, aquellos que pueden tratarse con medicamentos, los investigadores pueden ser capaces de concentrarse en una comunidad de "chicos malos", vías genéticas que podrían ser atacadas con medicamentos personalizados.

Los 'grandes datos' dan lugar a una nueva generación de estudios de casos y controles
Los estudios de casos y controles comparan un grupo de personas con una enfermedad (casos) con un grupo de personas similares sin la enfermedad (controles). Este diseño de estudio ganó prominencia en la década de 1950 cuando se utilizó para demostrar la fuerte asociación entre el tabaquismo y el cáncer de pulmón.

El Dr. Padi está ofreciendo ALPACA como una herramienta para analizar los datos de secuencia genética de los estudios de casos y controles, lo que permite a los investigadores identificar las comunidades de genes que son activas en las enfermedades pero no en las células sanas. Por ejemplo, después de analizar los datos de las células de cáncer de ovario, ALPACA pudo identificar objetivos farmacológicos conocidos en el cáncer de ovario, lo que demuestra que está devolviendo información valiosa, en lugar de ruido aleatorio, que podría ayudar a tratar la enfermedad.

"Hemos demostrado que ALPACA revela mecanismos a los que se puede dirigir con medicamentos que [se sabe] son ​​eficaces", explicó el Dr. Padi. "Ahora puede ejecutar esto en otros conjuntos de datos donde no sabemos qué esperamos encontrar y potencialmente encontrar algo nuevo".

El uso de "big data" y análisis de redes para analizar estudios de casos y controles es un giro moderno en un diseño de estudio clásico.

"Antes de esto, nunca ha habido un método que pueda comparar las redes a escala genómica en una forma de control de casos", dijo el Dr. Padi. "Hay mucho trabajo por hacer en esta área".



Nota: los Dres. Padi y Quackenbush usaron bases de datos desarrolladas con información de pacientes que dieron su consentimiento para que sus datos anónimos se utilizaran para la investigación. Esta investigación fue apoyada por NIH otorga K25 HG006031, R01 HL111759 y R35 CA197449.


Responder