Daniel BuenoLa cantidad de datos generados, aliada a la evolución de las técnicas de secuenciación genómica, es cada vez mayor. El reto de la biología computacional reside ahora el desarrollo de nuevas formas de analizar ese enorme conjunto de información. Esto es lo que propone NetDecoder, un software integrador de datos que logra deducir de ellos información relevante. El programa, un trabajo desarrollado el año pasado por el informático y biólogo molecular brasileño Edroaldo Lummertz da Rocha, en el marco de su posdoctorado realizado en la Clínica Mayo, en Estados Unidos, no analiza tan sólo el perfil de expresión génica, es decir, cómo se activa cada gen que puede contribuir en forma individual para el desarrollo de una enfermedad. También eñala cuáles son las redes de interacción génica ‒conjuntos de genes interrelacionados‒ que inciden mayormente para una condición determinada.
“La particularidad del NetDecoder reside en que permite la comparación entre esas redes de interacción fenotipo-específicas”, dice Rocha, quien actualmente realiza un posdoctorado en la Universidad Harvard. Al determinar las redes asociadas a una patología, consecuentemente, el programa indica cuáles son las vías de regulación o señalización del organismo que se encuentran alteradas en una población con una enfermedad genética, en comparación con un grupo de personas sanas. “También pueden compararse diferentes estadios del desarrollo de una misma dolencia y comprobar si la red de interacción génica permanece inalterable a lo largo del tiempo”. El punto de partida de este software es la identificación de genes expresados (activados) en forma diferencial en las personas con enfermedades genéticas. Lo hace mediante un algoritmo concebido para integrar informaciones provenientes de bancos de datos, que verifica si el gen ligado a la enfermedad tiende a interactuar con otros genes conformando una red que potencialmente podría incidir en alguna vía de señalización.
Para validar esta herramienta informática, el investigador y su equipo analizaron los transcriptomas ‒un conjunto de ARNs mensajeros que se producen en un tejido‒ de los pacientes con cáncer de mama, Alzheimer y dislipidemias (trastornos en las concentraciones de lípidos en la sangre). Luego de identificar las vías alteradas, las compararon con la literatura disponible y obtuvieron resultados consistentes. Para el cáncer de mama, por ejemplo, el NetDecoder identificó la vía de señalización Braf, que ya era conocida por su relación con esa enfermedad. En los pacientes con Alzheimer, hallaron alteraciones en vías relacionadas con el citoesqueleto celular, común en las dolencias neurodegenerativas y, en el caso de la dislipidemia, alteraciones en vías metabólicas. Los resultados figuran en un artículo publicado en marzo en la revista científica Nucleic Acids Research.
Según sostiene Rocha, esta herramienta informática puede utilizarse en estudios de cualquier tipo de enfermedad humana. Existen otros programas que también analizan redes de genes, pero según el investigador, NetDecoder tiene la particularidad de permitir la comparación entre redes de interacción que inciden en pacientes con dos fenotipos disímiles, con manifestaciones clínicas diferentes de una misma enfermedad. Esta particularidad posibilita el descubrimiento de nuevas relaciones entre genes, vías de señalización (sistema de comunicación que coordina las actividades básicas de las células) y las patologías estudiadas. “De este modo, podemos desarrollar nuevos y mejores objetivos para tratamientos”, dice Rocha. “Resulta más sencillo producir medicamentos que actúen en una vía antes que en un gen específico”.
Crecimiento exponencial
La biología computacional, si bien es relativamente reciente, tuvo en los últimos años un crecimiento exponencial. La expansión vertiginosa de este campo puede observarse en el proyecto de colaboración internacional Bioconductor, que coordinan los científicos del Fred Hutchinson Cancer Research Center, de Estados Unidos. La iniciativa, que surgió en 2001, unifica y brinda acceso a diversos software de código abierto para el análisis de datos genómicos. En 2002, solamente contaba con 20 herramientas registradas. Este año, ya suma más de 1.200.
A partir de su creación, en el año 2000, el sector de bioinformática del Laboratorio de Genómica y Expresión (LGE) de la Universidad de Campinas (Unicamp) ha desarrollado siete herramientas informáticas que pueden emplearse en diversas áreas, tales como genómica, transcriptómica, biología estructural e identificación de enzimas. Entre ellas, sobresale el Integrated Interactome System (IIS), concebido en 2014. “El interés en el desarrollo de esta herramienta fue poder integrar datos de la genómica, proteómica, transcriptómica y metabolómica que se producían y evaluaban en forma independiente”, dice el físico Marcelo Falsarella Carazzolle, responsable del sector. “Mediante un enfoque integral y abarcador sobre el modo en que ocurren las interacciones entre proteínas y entre proteínas-metabolitos, se pueden observar conexiones que anteriormente no eran tan evidentes, arribando a nuevos resultados”. Esta herramienta permite la integración de datos genómicos de seres humanos, animales o plantas, disponibles en bancos públicos. En la actualidad, la están empleando 247 usuarios.
Para Mauro Castro, investigador del laboratorio de Bioinformática y Biología de Sistemas de la Universidad Federal de Paraná (UFPR), el campo de la biología computacional representa una gran oportunidad para que los laboratorios brasileños realicen investigaciones de nivel internacional. “La generación de datos puede requerir grandes volúmenes de recursos financieros, pero su análisis y extracción de información relevante pueden hacerla en forma competitiva laboratorios que cuenten con un presupuesto modesto y personal calificado”, opina Castro. Recientemente, Castro desarrolló el software RTN, cuyo objetivo consiste en determinar los múltiples factores de riesgo genético en el cáncer de mama. En lugar de enfocarse en la función de un único gen, el programa efectúa un análisis combinado de las múltiples variables genéticas que pueden incidir en el funcionamiento de los reguladores tumorales. “Cada uno de esos reguladores podría tornarse un blanco potencial para el desarrollo de nuevos marcadores o medicamentos”, explica.
Al igual que la mayoría de las herramientas informáticas del área, el RTN podría utilizarse para el estudio de diversas enfermedades genéticas. Un gran obstáculo para el desarrollo de la bioinformática, según el docente de la UFPR, es la falta de mano de obra experta. “Son raros los profesionales capacitados para operar con esa enorme cantidad de datos biológicos”, comenta Castro. “El mayor reto acaso sea la formación de profesionales que, efectivamente, logren comprender y analizar esos datos”.
Artículo científico
DA ROCHA, E. L. et al. NetDecoder: A network biology platform that decodes context-specific biological networks and gene activities. Nucleic Acids Research. 14 Mar. 2016.
