{"id":248248,"date":"2017-10-31T16:02:50","date_gmt":"2017-10-31T18:02:50","guid":{"rendered":"http:\/\/revistapesquisa.fapesp.br\/?p=248248\/"},"modified":"2017-11-01T16:48:12","modified_gmt":"2017-11-01T18:48:12","slug":"programas-para-una-biologia-integrada","status":"publish","type":"post","link":"https:\/\/revistapesquisa.fapesp.br\/es\/programas-para-una-biologia-integrada\/","title":{"rendered":"Programas para una biolog\u00eda integrada"},"content":{"rendered":"

\"\"Daniel Bueno<\/span><\/a>La cantidad de datos generados, aliada a la evoluci\u00f3n de las t\u00e9cnicas de secuenciaci\u00f3n gen\u00f3mica, es cada vez mayor. El reto de la biolog\u00eda computacional reside ahora el desarrollo de nuevas formas de analizar ese enorme conjunto de informaci\u00f3n. Esto es lo que propone NetDecoder, un\u00a0 software<\/em> integrador de datos que logra deducir de ellos informaci\u00f3n relevante. El programa, un trabajo desarrollado el a\u00f1o pasado por el inform\u00e1tico y bi\u00f3logo molecular brasile\u00f1o Edroaldo Lummertz da Rocha, en el marco de su posdoctorado realizado en la Cl\u00ednica Mayo, en Estados Unidos, no analiza tan s\u00f3lo el perfil de expresi\u00f3n g\u00e9nica, es decir, c\u00f3mo se activa cada gen que puede contribuir en forma individual para el desarrollo de una enfermedad. Tambi\u00e9n e\u00f1ala cu\u00e1les son las redes de interacci\u00f3n g\u00e9nica \u2012conjuntos de genes interrelacionados\u2012 que inciden mayormente para una condici\u00f3n determinada.<\/p>\n

\u201cLa particularidad del NetDecoder reside en que permite la comparaci\u00f3n entre esas redes de interacci\u00f3n fenotipo-espec\u00edficas\u201d, dice Rocha, quien actualmente realiza un posdoctorado en la Universidad Harvard. Al determinar las redes asociadas a una patolog\u00eda, consecuentemente, el programa indica cu\u00e1les son las v\u00edas de regulaci\u00f3n o se\u00f1alizaci\u00f3n del organismo que se encuentran alteradas en una poblaci\u00f3n con una enfermedad gen\u00e9tica, en comparaci\u00f3n con un grupo de personas sanas. \u201cTambi\u00e9n pueden compararse diferentes estadios del desarrollo de una misma dolencia y comprobar si la red de interacci\u00f3n g\u00e9nica permanece inalterable a lo largo del tiempo\u201d. El punto de partida de este software<\/em> es la identificaci\u00f3n de genes expresados (activados) en forma diferencial en las personas con enfermedades gen\u00e9ticas. 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 podr\u00eda incidir en alguna v\u00eda de se\u00f1alizaci\u00f3n.<\/p>\n

Para validar esta herramienta inform\u00e1tica, el investigador y su equipo analizaron los transcriptomas \u2012un conjunto de ARNs mensajeros que se producen en un tejido\u2012 de los pacientes con c\u00e1ncer de mama, Alzheimer y dislipidemias (trastornos en las concentraciones de l\u00edpidos en la sangre). Luego de identificar las v\u00edas alteradas, las compararon con la literatura disponible y obtuvieron resultados consistentes. Para el c\u00e1ncer de mama, por ejemplo, el NetDecoder identific\u00f3 la v\u00eda de se\u00f1alizaci\u00f3n Braf, que ya era conocida por su relaci\u00f3n con esa enfermedad. En los pacientes con Alzheimer, hallaron alteraciones en v\u00edas relacionadas con el citoesqueleto celular, com\u00fan en las dolencias neurodegenerativas y, en el caso de la dislipidemia, alteraciones en v\u00edas metab\u00f3licas. Los resultados figuran en un art\u00edculo publicado en marzo en la revista cient\u00edfica Nucleic Acids Research<\/em>.<\/p>\n

Seg\u00fan sostiene Rocha, esta herramienta inform\u00e1tica puede utilizarse en estudios de cualquier tipo de enfermedad humana. Existen otros programas que tambi\u00e9n analizan redes de genes, pero seg\u00fan el investigador, NetDecoder tiene la particularidad de permitir la comparaci\u00f3n entre redes de interacci\u00f3n que inciden en pacientes con dos fenotipos dis\u00edmiles, con manifestaciones cl\u00ednicas diferentes de una misma enfermedad. Esta particularidad posibilita el descubrimiento de nuevas relaciones entre genes, v\u00edas de se\u00f1alizaci\u00f3n (sistema de comunicaci\u00f3n que coordina las actividades b\u00e1sicas de las c\u00e9lulas) y las patolog\u00edas estudiadas. \u201cDe este modo, podemos desarrollar nuevos y mejores objetivos para tratamientos\u201d, dice Rocha. \u201cResulta m\u00e1s sencillo producir medicamentos que act\u00faen en una v\u00eda antes que en un gen espec\u00edfico\u201d.<\/p>\n

Crecimiento exponencial<\/strong>
\nLa biolog\u00eda computacional, si bien es relativamente reciente, tuvo en los \u00faltimos a\u00f1os un crecimiento exponencial. La expansi\u00f3n vertiginosa de este campo puede observarse en el proyecto de colaboraci\u00f3n internacional Bioconductor, que coordinan los cient\u00edficos del Fred Hutchinson Cancer Research Center, de Estados Unidos. La iniciativa, que surgi\u00f3 en 2001, unifica y brinda acceso a diversos software<\/em> de c\u00f3digo abierto para el an\u00e1lisis de datos gen\u00f3micos. En 2002, solamente contaba con 20 herramientas registradas. Este a\u00f1o, ya suma m\u00e1s de 1.200.<\/p>\n

A partir de su creaci\u00f3n, en el a\u00f1o 2000, el sector de bioinform\u00e1tica del Laboratorio de Gen\u00f3mica y Expresi\u00f3n (LGE) de la Universidad de Campinas (Unicamp) ha desarrollado siete herramientas inform\u00e1ticas que pueden emplearse en diversas \u00e1reas, tales como gen\u00f3mica, transcript\u00f3mica, biolog\u00eda estructural e identificaci\u00f3n de enzimas. Entre ellas, sobresale el Integrated Interactome System (IIS), concebido en 2014. \u201cEl inter\u00e9s en el desarrollo de esta herramienta fue poder integrar datos de la gen\u00f3mica, prote\u00f3mica, transcript\u00f3mica y metabol\u00f3mica que se produc\u00edan y evaluaban en forma independiente\u201d, dice el f\u00edsico Marcelo Falsarella Carazzolle, responsable del sector. \u201cMediante un enfoque integral y abarcador sobre el modo en que ocurren las interacciones entre prote\u00ednas y entre prote\u00ednas-metabolitos, se pueden observar conexiones que anteriormente no eran tan evidentes, arribando a nuevos resultados\u201d. Esta herramienta permite la integraci\u00f3n de datos gen\u00f3micos de seres humanos, animales o plantas, disponibles en bancos p\u00fablicos. En la actualidad, la est\u00e1n empleando 247 usuarios.<\/p>\n

Para Mauro Castro, investigador del laboratorio de Bioinform\u00e1tica y Biolog\u00eda de Sistemas de la Universidad Federal de Paran\u00e1 (UFPR), el campo de la biolog\u00eda computacional representa una gran oportunidad para que los laboratorios brasile\u00f1os realicen investigaciones de nivel internacional. \u201cLa generaci\u00f3n de datos puede requerir grandes vol\u00famenes de recursos financieros, pero su an\u00e1lisis y extracci\u00f3n de informaci\u00f3n relevante pueden hacerla en forma competitiva laboratorios que cuenten con un presupuesto modesto y personal calificado\u201d, opina Castro. Recientemente, Castro desarroll\u00f3 el software<\/em> RTN, cuyo objetivo consiste en determinar los m\u00faltiples factores de riesgo gen\u00e9tico en el c\u00e1ncer de mama. En lugar de enfocarse en la funci\u00f3n de un \u00fanico gen, el programa efect\u00faa un an\u00e1lisis combinado de las m\u00faltiples variables gen\u00e9ticas que pueden incidir en el funcionamiento de los reguladores tumorales. \u201cCada uno de esos reguladores podr\u00eda tornarse un blanco potencial para el desarrollo de nuevos marcadores o medicamentos\u201d, explica.<\/p>\n

Al igual que la mayor\u00eda de las herramientas inform\u00e1ticas del \u00e1rea, el RTN podr\u00eda utilizarse para el estudio de diversas enfermedades gen\u00e9ticas. Un gran obst\u00e1culo para el desarrollo de la bioinform\u00e1tica, seg\u00fan el docente de la UFPR, es la falta de mano de obra experta. \u201cSon raros los profesionales capacitados para operar con esa enorme cantidad de datos biol\u00f3gicos\u201d, comenta Castro. \u201cEl mayor reto acaso sea la formaci\u00f3n de profesionales que, efectivamente, logren comprender y analizar esos datos\u201d.<\/p>\n

Art\u00edculo cient\u00edfico<\/em>
\nDA ROCHA, E. L. et al<\/em>. NetDecoder: A network biology platform that decodes context-specific biological networks and gene activities<\/a>.\u00a0Nucleic Acids Research<\/strong>. 14 Mar. 2016.<\/p>\n","protected":false},"excerpt":{"rendered":"Softwares eval\u00faan el rol de los genes en la aparici\u00f3n de enfermedades","protected":false},"author":277,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_exactmetrics_skip_tracking":false,"_exactmetrics_sitenote_active":false,"_exactmetrics_sitenote_note":"","_exactmetrics_sitenote_category":0,"footnotes":""},"categories":[181],"tags":[278,306,333],"coauthors":[588],"class_list":["post-248248","post","type-post","status-publish","format-standard","hentry","category-ciencia-es","tag-biologia-es","tag-genetica-es","tag-tecnologia-de-la-informacion"],"acf":[],"_links":{"self":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/posts\/248248","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/users\/277"}],"replies":[{"embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/comments?post=248248"}],"version-history":[{"count":0,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/posts\/248248\/revisions"}],"wp:attachment":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/media?parent=248248"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/categories?post=248248"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/tags?post=248248"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/coauthors?post=248248"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}