Cr\u00e9dito: Unsplash\/CC0 Dominio p\u00fablico <\/p>\n
Una de las promesas de los nuevos m\u00e9todos de medicina personalizada es que los riesgos individuales de enfermedades pueden evaluarse utilizando ADN de gran tama\u00f1o conjuntos de datos Pero muchas enfermedades son altamente multifactoriales, lo que significa que los factores de riesgo gen\u00e9ticos se distribuyen por todo el ADN. Encontrar estas conexiones esquivas y construir un modelo estad\u00edstico confiable y rastreable a partir de ellas es el objetivo de Matthew Robinson en el Instituto de Ciencia y Tecnolog\u00eda (IST) de Austria y su equipo internacional. <\/p>\n
Una gran cantidad de factores gen\u00e9ticos pueden influir en la aparici\u00f3n de enfermedades como la presi\u00f3n arterial alta, las enfermedades card\u00edacas y la diabetes tipo 2. Si supi\u00e9ramos c\u00f3mo influye el ADN en el riesgo de desarrollar tales enfermedades, podr\u00edamos pasar de una atenci\u00f3n reactiva a una m\u00e1s preventiva, no solo mejorando la calidad de vida de los pacientes sino tambi\u00e9n ahorrando dinero en el sistema de salud. Sin embargo, rastrear las conexiones entre el ADN y el inicio de la enfermedad requiere modelos estad\u00edsticos s\u00f3lidos que funcionen de manera confiable en conjuntos de datos muy grandes de varios cientos de miles de pacientes.<\/p>\n
Matthew Robinson, profesor asistente en el Instituto de Ciencia y Tecnolog\u00eda (IST) Austria, junto con un equipo internacional de investigadores, ha desarrollado ahora un nuevo modelo matem\u00e1tico que mejora la calidad predictiva obtenida a partir de grandes conjuntos de datos gen\u00f3micos de pacientes. Este m\u00e9todo podr\u00eda ayudar a desarrollar predicciones personalizadas sobre los riesgos para la salud, de forma similar a lo que hace un m\u00e9dico cuando analiza el historial m\u00e9dico de una familia.<\/p>\n
Muestreo de miles de millones<\/p>\n
El ADN humano consta de varios miles de millones de pares de bases que codificar la estructura y las funciones biol\u00f3gicas. En su estudio, los cient\u00edficos seleccionaron varios cientos de miles de marcadores gen\u00e9ticos, partes cortas de la secuencia de ADN para sus investigaciones. Usando su modelo estad\u00edstico, vincularon la composici\u00f3n de estos marcadores con la aparici\u00f3n de presi\u00f3n arterial alta, enfermedad card\u00edaca o diabetes tipo 2 en los pacientes de la base de datos. Los investigadores estaban espec\u00edficamente interesados en la edad de los pacientes al inicio de la enfermedad. Con esta informaci\u00f3n, pueden usar su modelo para predecir las probabilidades de cu\u00e1ndo podr\u00eda ocurrir una enfermedad.<\/p>\n
Sin embargo, este modelo estad\u00edstico no puede construir relaciones directas entre ciertos genes y el inicio de la enfermedad, sino que solo proporciona una predicci\u00f3n mejorada de probabilidades de aparici\u00f3n de la enfermedad. Tambi\u00e9n hay una diferencia importante entre los modelos de caja negra de uso com\u00fan para estudios de big data y este m\u00e9todo de Robinson y sus colegas: los modelos de caja negra producen predicciones, pero los humanos no pueden entender f\u00e1cilmente su funcionamiento interno debido a las muchas capas de abstracci\u00f3n. ellos usan. Por el contrario, el modelo de Robinson y sus colegas proporciona c\u00e1lculos estad\u00edsticos rastreables.<\/p>\n
Ser capaz de comprender el funcionamiento interno de un modelo matem\u00e1tico para producir predicciones sobre la salud y la aparici\u00f3n de enfermedades es una parte importante de un enfoque \u00e9tico para utilizando grandes conjuntos de datos confidenciales de pacientes. Con esto, el investigador puede explicar c\u00f3mo se generaron las predicciones.<\/p>\n
Uso de datos de pacientes<\/p>\n
Aprovechar todo el potencial de tales m\u00e9todos predictivos requiere modelos efectivos y la recopilaci\u00f3n de grandes conjuntos de datos gen\u00f3micos que viene con sus propias preocupaciones de seguridad y privacidad de datos que tanto los investigadores como el sistema de atenci\u00f3n m\u00e9dica deben abordar.<\/p>\n
Se deben obedecer medidas estrictas de seguridad de datos cuando se utilizan datos de pacientes. Solo con el permiso de las respectivas juntas de \u00e9tica, los investigadores pudieron acceder a datos an\u00f3nimos de pacientes de grandes colecciones de datos gen\u00e9ticos de pacientes de biobancos financiados por el estado tanto en el Reino Unido como en Estonia. Utilizaron los datos del Reino Unido para construir su modelo y los datos de Estonia para probar su poder predictivo. Este \u00faltimo incluso produjo algunas primeras evaluaciones personalizadas de riesgo de aparici\u00f3n de enfermedades. Luego, estos se transmitir\u00e1n a los pacientes a trav\u00e9s del sistema de atenci\u00f3n m\u00e9dica de Estonia, lo que les dar\u00e1 el incentivo para tomar medidas preventivas.<\/p>\n
El nuevo modelo estad\u00edstico de Robinson y sus colegas es solo un paso hacia el uso de todo el potencial de grandes conjuntos de datos gen\u00f3micos para la atenci\u00f3n m\u00e9dica preventiva. Tanto los modelos como la infraestructura de datos de los biobancos, junto con un sistema de protecci\u00f3n de datos s\u00f3lido y seguro, son necesarios para cumplir las promesas de la medicina predictiva personalizada.<\/p>\n
El estudio se publica en Nature Communications. <\/p>\n
Explore m\u00e1s<\/p>\n
Las enfermedades relacionadas con la edad pueden estar relacionadas con la gen\u00e9tica M\u00e1s informaci\u00f3n:<\/strong> Sven E. Ojavee et al. Arquitectura gen\u00f3mica y predicci\u00f3n de fenotipos censurados de tiempo hasta el evento con un an\u00e1lisis bayesiano de todo el genoma, Nature Communications (2021). DOI: 10.1038\/s41467-021-22538-w Informaci\u00f3n del diario:<\/strong> Nature Communications <\/p>\n Proporcionado por el Instituto de Ciencia y Tecnolog\u00eda de Austria Cita<\/strong>: El modelo estad\u00edstico ayuda a predecir cu\u00e1ndo (20 de abril de 2021) consultado el 30 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2021-04-statistical-high-blood-pression-heart.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Cr\u00e9dito: Unsplash\/CC0 Dominio p\u00fablico Una de las promesas de los nuevos m\u00e9todos de medicina personalizada es que los riesgos individuales de enfermedades pueden evaluarse utilizando ADN de gran tama\u00f1o conjuntos de datos Pero muchas enfermedades son altamente multifactoriales, lo que significa que los factores de riesgo gen\u00e9ticos se distribuyen por todo el ADN. Encontrar estas … Continuar leyendo \u00abEl modelo estad\u00edstico ayuda a predecir cu\u00e1ndo ocurrir\u00e1 la presi\u00f3n arterial alta, las enfermedades card\u00edacas y la diabetes\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-20199","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/20199","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=20199"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/20199\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=20199"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=20199"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=20199"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}