La herramienta computacional bioinformática analiza muestras de tejido para discernir la enfermedad
Ilustración esquemática de la aplicación de la descomposición del tensor de conjuntos de datos epigenómicos heterogéneos que separan los subtipos de enfermedad del miometrio uterino normal y del leiomioma. Crédito: Leistico, Saini et al, Cell Reports, ePub: 30 de marzo de 2021 Diseño artístico: Priyanka Saini, Debabrata Chakravarti, Feng Fei
Usando una nueva técnica computacional integradora, científicos de Northwestern y la Universidad de Illinois en Urbana-Champaign (UIUC) pudieron clasificar las enfermedades a nivel molecular utilizando conjuntos de datos epigenómicos, según un estudio reciente publicado en Cell Reports.
El nuevo enfoque, desarrollado en colaboración por los autores de Northwestern y UIUC, se llama DeCET (Descomposición y clasificación de tensores epigenómicos); analiza datos complejos y heterogéneos para identificar diferencias epigenómicas entre tipos de tejido, subtipos de enfermedades y cambios en el tipo de célula o diferenciación celular, explicó Debabrata Chakravarti, Ph.D., vicepresidenta de investigación traslacional y profesora Anna Lapham de Obstetricia y Ginecología. y autor principal del estudio.
El epigenoma, la colección de todas las modificaciones en las proteínas histonas y el genoma que alteran la expresión génica, lleva instrucciones esenciales para especificar la identidad celular, por lo que los ensayos epigenómicos pueden ofrecer un marcador de diagnóstico sólido para una amplia gama de enfermedades, según Chakravarti, también profesor de farmacología y subdirector de recursos compartidos en el Robert H. Lurie Comprehensive Cancer Center. Por ejemplo, el patrón de metilación del ADN puede clasificar los tumores primarios y secundarios del sistema nervioso central, así como identificar el tipo de célula del origen de un cáncer.
Jun Song, Ph.D., Profesor Fundador de Física en UIUC y Grant Barish, MD, profesor asociado de Medicina en la División de Endocrinología de Northwestern, fueron coautores principales del estudio, y Priyanka Saini, Ph.D., de Northwestern y Jacob Leistico de UIUC, fueron coautores principales. de El estudio. Leistico dirigió el desarrollo algorítmico y Saini dirigió el trabajo experimental, creando un equipo sinérgico entre las dos instituciones.
El equipo colaborativo de científicos básicos, médicos y físicos realizó estudios iniciales sobre fibromas uterinos o leiomiomas, que son tumores no cancerosos de las células del músculo liso uterino con opciones de tratamiento limitadas que se desarrollan en hasta el 70 por ciento de las mujeres.
Los científicos primero realizaron un análisis epigenómico de 25 muestras uterinas normales y 25 de fibromas coincidentes de pacientes. Luego, el equipo usó DeCET para analizar los datos e identificar características epigenómicas clave que podrían distinguir claramente el tejido de miometrio normal de los estados de enfermedad y los subtipos de leiomiomas.
Luego, los investigadores aplicaron DeCET a muestras humanas «desconocidas» para predecir el estado del tejido. . La metodología discriminó con precisión entre tipos y subtipos normales y de enfermedad utilizando las firmas epigenómicas.
Finalmente, para demostrar la aplicabilidad general de DeCET, el equipo amplió su análisis utilizando conjuntos de datos epigenómicos de cáncer disponibles públicamente y clasificó con éxito otras enfermedades. , como el cáncer de mama y de próstata.
«Nuestros estudios superan los inconvenientes de los métodos de análisis actuales, como las elecciones arbitrarias de los parámetros del metanálisis y la variabilidad entre muestras», explicaron Saini y Leistico.
DeCET también superó a las herramientas existentes en la estratificación de distintos tipos de tejidos, subtipos de enfermedades y estados de diferenciación celular, según Barish.
«La elaboración de perfiles epigenómicos es un camino hacia la medicina personalizada», dijo Chakravarti.
«Esperamos que nuestro estudio ayude a comprender e identificar mejor los estados de la enfermedad, lo que facilitará futuras estrategias terapéuticas, diagnósticas y pronósticas», agregó Song, quien supervisó el estudio computacional desarrollo algorítmico.
Explore más
Nuevo método de diagnóstico del cáncer revela la complejidad de los tumores de cáncer de mama Más información: Jacob R. Leistico et al. El tensor epigenómico predice los subtipos de enfermedades y revela una evolución tumoral restringida, Cell Reports (2021). DOI: 10.1016/j.celrep.2021.108927 Información del diario: Cell Reports
Proporcionado por Northwestern University Cita: Herramienta computacional bioinformática analiza muestras de tejido para discernir enfermedades (2021, 31 de marzo) recuperado el 30 de agosto de 2022 de https://medicalxpress.com/news/2021-03-bioinformatic-tool-tissue-samples-discern.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.