Un equipo internacional de investigadores de la Facultad de Medicina de Duke-NUS Duke-NUS, la Universidad de Bristol, la Universidad de Monash y RIKEN han desarrollado un algoritmo que puede predecir los factores necesarios para convertir un tipo de célula humana en otro. Estos juegos- hallazgos cambiantes, publicados recientemente en línea el 18 de enero de 2016 en la revista Genética de la naturaleza , tienen implicaciones significativas para la medicina regenerativa y sientan las bases para futuras investigaciones sobre la reprogramación celular.
Se sabe que los tipos de células no son fijos y que un tipo de célula se puede reprogramar o convertir para convertirse en otro tipo de célula mediante la adición de un conjunto único de factores celulares. Este enfoque fue puesto de relieve por Shinya Yamanaka, cuyo trabajo ganador del premio Nobel implicó la reprogramación de células de fibroblastos de la piel para convertirlas en células madre pluripotentes inducidas iPS. En teoría, las iPS podrían reprogramarse directamente para convertirse, por ejemplo, en células de la retina que podrían ayudar a tratar la degeneración macular o ocular.Sin embargo, en la práctica, parece que existen preocupaciones técnicas y de seguridad con este enfoque de conversión celular debido a la acumulación de mutaciones cancerosas en las células reprogramadas, lo que conduce a un comportamiento impredecible.
Además, a pesar de este avance, determinar el conjunto único de factores celulares que se necesita manipular para cada conversión celular es un proceso largo y costoso que involucró mucho ensayo y error. Como resultado, este primer paso para identificar la claveEl conjunto de factores celulares para la conversión celular es el principal obstáculo que enfrentan los investigadores y médicos en el campo de la reprogramación celular.
Para superar este obstáculo, el Dr. Owen Rackham, investigador principal de Duke-NUS, trabajó durante cinco años para desarrollar un algoritmo computacional para predecir los factores celulares para las conversiones celulares. El algoritmo, llamado Mogrify 1, es capaz de predecir elconjunto óptimo de factores celulares necesarios para cualquier conversión celular dada.
Cuando se probó, Mogrify pudo predecir correctamente el conjunto de factores celulares necesarios para las conversiones celulares previamente publicadas. Para validar aún más la capacidad predictiva de Mogrify, el equipo llevó a cabo dos nuevas conversiones celulares en el laboratorio utilizando células humanas, y tuvieron éxito enambos intentos utilizando únicamente las predicciones de Mogrify.
"Mogrify actúa como un 'atlas mundial' para la célula y nos permite trazar nuevos territorios en las conversiones celulares en humanos", explicó el Dr. Rackham, del Laboratorio de Genética de Sistemas de Enfermedades Complejas de Duke-NUS.Una de las primeras aplicaciones clínicas que esperamos lograr con este enfoque innovador sería reprogramar las células 'defectuosas' de los pacientes en células sanas 'funcionales', sin el paso intermedio de iPS. Estas pueden volver a implantarse en los pacientes y deberían,en la práctica, permitirán de forma eficaz nuevas técnicas de medicina regenerativa ".
El profesor asociado Enrico Petretto, coautor del estudio y jefe del Laboratorio de Genética de Sistemas de Enfermedades Complejas en el Centro de Biología Computacional de Duke-NUS, destacó que dado que Mogrify se basa completamente en datos, su solidez y precisión solo puedencontinúan mejorando a medida que se recopilan datos más completos y se ingresan en el marco.
"Mogrify es un método revolucionario que aprovecha el big data y la biología de sistemas; esto inspirará nuevas aplicaciones de traducción como resultado del trabajo y la experiencia aquí en Duke-NUS", dijo el profesor adjunto Petretto.
Mogrify se ha puesto a disposición en línea para otros investigadores y científicos. El equipo de Duke-NUS ahora planea centrarse en la aplicación de Mogrify en la medicina traslacional. Los esfuerzos de colaboración entre los grupos de investigación dentro de Duke-NUS ya están en marcha para aplicar el algoritmo para ayudardesarrollar tratamientos para enfermedades específicas, como el cáncer.
Fuente de la historia :
Materiales proporcionados por Escuela de Medicina de Duke-NUS . Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :