Los investigadores de EMBL han diseñado un método computacional para analizar conjuntamente múltiples tipos de datos moleculares de pacientes con el fin de identificar firmas moleculares que distinguen a los individuos. El método se llama Análisis de factores multiómicos MOFA y fue publicado en Biología de sistemas moleculares hoy. MOFA podría ser particularmente útil para comprender el desarrollo del cáncer, mejorar el diagnóstico y sugerir nuevas direcciones para un tratamiento personalizado.
Los investigadores probaron su nuevo método en datos multi-ómicos recopilados de 200 pacientes con leucemia. MOFA identificó una serie de factores que destacan la variabilidad molecular entre pacientes. Esta información podría ayudar a los investigadores a comprender cómo se desarrolla el cáncer a nivel individual. También podríaayudar a dirigir decisiones de tratamiento personalizadas.
"El gran desafío en el cáncer es que la enfermedad de cada paciente es diferente desde el punto de vista molecular y tiene un conjunto único de características moleculares que han llevado a su desarrollo", explica Ricard Argelaguet, becario predoctoral en el grupo Stegle en EuropaInstituto de Bioinformática EMBL-EBI. "Nuestro método permite a los investigadores hacer algo que no se podía hacer antes: integrar fácilmente datos moleculares complejos de ADN, ARN, metilación y más para construir el perfil molecular de un tumor. Utilizando estos perfiles,el método también puede estratificar a los pacientes en grupos que pueden beneficiarse de diferentes tipos de tratamiento ".
"Nuestro objetivo era idear un método que los investigadores clínicos pudieran utilizar fácilmente, por lo que trabajamos con colegas del campo para comprender sus necesidades y desafíos", continúa Britta Velten, becaria predoctoral en el grupo Huber en EMBL Heidelberg"Combinamos la experiencia de matemática, estadística, aprendizaje automático, biología y medicina clínica para crear un método sólido y práctico, que esperamos ayude a los investigadores en un entorno clínico a mejorar el diagnóstico y el tratamiento del cáncer".
En una segunda aplicación, los investigadores también usaron MOFA para analizar datos multi-omics a resolución de celda única. Actualmente están trabajando para mejorar aún más el método para que pueda hacer frente a conjuntos de datos aún más grandes y diseños experimentales adicionales.
¿Qué son los datos multiomics?
Los enfoques multi-omics integran datos del genoma, epigenoma, transcriptoma, metaboloma y otros datos moleculares. Estos tipos de datos tienen diferentes propiedades y dimensiones y son difíciles de integrar en un análisis integral para construir el perfil molecular de un individuo.
Sin embargo, al combinar múltiples tipos de datos moleculares múltiples elementos, los investigadores pueden identificar biomarcadores: moléculas, genes o características moleculares de origen natural asociadas con una enfermedad en particular. Los biomarcadores son esenciales para la investigación clínica y pueden usarse para clasificar a los pacientes endiferentes grupos de pacientes. Al medir los biomarcadores, podemos entender mejor la enfermedad de un paciente y estimar a qué tipo de tratamiento responderán mejor.
Fuente de la historia :
Materiales proporcionado por Laboratorio Europeo de Biología Molecular - Instituto Europeo de Bioinformática . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :