Relaciona una proteína con una menor supervivencia en pacientes con tumores de mama
BARCELONA, 19 Feb. (EUROPA PRESS) -
Una investigadora del Barcelona Supercomputing Center-Centro Nacional de Supercomputación (BSC) ha liderado la creación de un nuevo método computacional basado en técnicas de aprendizaje automático ('machine learning') de inteligencia artificial que acelera la identificación de nuevos genes relacionados con el cáncer y que ha detectado 36 que pueden estar relacionados.
El estudio, publicado en 'Nature Communications', ha probado biológicamente el método y sus resultados, y usa el 'machine learning' para relacionar grandes cantidades de datos ómicos y los recrea en un prototipo computacional --célula integrada o 'iCell'-- y que permite avanzar en descubrir nuevos biomarcadores y mejorar la predicción de supervivencia.
La científica, Natasa Przulj, ha destacado que el nuevo método "permite la identificación de genes alterados en el cáncer que no aparecen como alterados en ningún otro tipo de datos", ha explicado el centro en un comunicado este martes.
"Este descubrimiento pone de manifiesto la importancia de los enfoques integrativos para analizar datos biológicos y allana el camino hacia análisis integrativos comparativos de todas las células", ha añadido la investigadora.
La experimentación que se hizo para validarlo reveló, entre otros datos, que los pacientes con cáncer de mama de alta expresión de una proteína --MRLP3-- que no estaba relacionada con el cáncer previamente, tienen una menor supervivencia.
Este hallazgo constituye un ejemplo del potencial de este método para descubrir nuevos genes biomarcadores que pueden ser relevantes en la estratificación y predicción de la supervivencia en pacientes.
36 GENES
Los autores del artículo han aplicado este método para reconstruir células de cuatro de los tipos más comunes de cáncer --de mama, próstata, pulmón y colon-- y en todos ha demostrado ser útil para localizar nuevos genes relacionados con estas enfermedades.
El método ha señalado 63 genes y un proceso de validación biológica ha confirmado que al menos 36 de ellos contribuyen al crecimiento irregular de las células.
El prototipo creado en el BSC fusiona tres redes de interacción molecular específicas de tejido: proteína-proteína, coexpresión de genes y redes de interacción genética, a través de una técnica de fusión propuesta originalmente para la agrupación y la reducción de la dimensionalidad que se tiene que utilizar recientemente para la integración de datos
