Estudios de simulación que comparan el rendimiento de PUMICE con otros métodos TWAS. Los paneles (a, b) ilustran la comparación de PUMICE con otros métodos TWAS de un solo tejido para el error de tipo I (a) y la potencia (b). Los paneles (c, d) ilustran la comparación de PUMICE con el método TWAS multitejido (UTMOST) para el error de tipo I (c) y la potencia (d). Para UTMOST, evaluamos su desempeño a través de diferentes combinaciones de correlación genética entre tejidos causales y correlacionados (ρ) y número de tejidos correlacionados (Ncorr). Los sombreados representan diferentes tamaños de muestra de entrenamiento utilizados para entrenar modelos de predicción de expresión génica para métodos TWAS de un solo tejido y ρ/NORTEcorr combinaciones para el método TWAS multitejido. Crédito: Comunicaciones de la naturaleza (2022). DOI: 10.1038/s41467-022-30956-7
Un nuevo método de aprendizaje automático para modelar los niveles de expresión génica podría mejorar la identificación de genes que causan enfermedades humanas, según un nuevo estudio realizado por investigadores del Colegio de Medicina de Penn State. A través de la información de la estructura tridimensional (3D) de los genomas y la epigenética (cómo los genes y el medio ambiente influyen conjuntamente en las enfermedades), los investigadores pudieron identificar genes asociados con características y enfermedades complejas. Estos genes de enfermedades identificados también ayudan a nominar medicamentos que pueden reutilizarse para tratar nuevos trastornos.
Desarrollar y aprobar nuevos medicamentos recetados puede ser un proceso costoso y lento. Sin embargo, los hallazgos de este estudio podrían cambiar parcialmente eso en el futuro. Según los investigadores, en lugar de desarrollar nuevos medicamentos, las compañías farmacéuticas podrían ahorrar tiempo y dinero al reutilizar medicamentos que ya han sido aprobados por la Administración de Alimentos y Medicamentos para tratar otros trastornos.
El genoma humano está compuesto de instrucciones genéticas, o ADN, que es fundamental para la salud y la enfermedad. Para llevar a cabo estas instrucciones, se debe leer y expresar el ADN, y la variación genética influirá en la expresión génica. El mismo gen puede expresarse más alto (o más bajo) en personas con ciertas mutaciones, lo que puede causar enfermedades. Los científicos analizan colecciones de lecturas de genes, o transcriptomas, presentes en células de cientos de miles de individuos. Los análisis de transcriptoma pueden identificar genes expresados de manera diferencial entre personas con y sin enfermedades y, por lo tanto, conducir a una nueva comprensión de los genes asociados con ciertas afecciones.
Para el nuevo método de datos, PUMICE (Predicción usando modelos informados por conformaciones de cromatina y epigenómica), los investigadores de Penn State integraron datos transcriptómicos, epigenómicos y genómicos en 3D utilizando un enfoque novedoso de aprendizaje automático. Según el estudio, PUMICE logró identificar medicamentos que podrían revertir el nivel de expresión de los genes de enfermedades y pueden reutilizarse para tratar varias enfermedades humanas.
«Los enfoques tradicionales que analizan un fármaco y una enfermedad a la vez pueden ser muy ineficientes», dijo Dajiang Liu, coautor principal y profesor asociado de ciencias de la salud pública y bioquímica y biología molecular en Penn State. «Por el contrario, un enfoque de aprendizaje automático basado en big data, como PUMICE, puede revolucionar la investigación biológica y clínica. Acelerará en gran medida el proceso de identificación de objetivos terapéuticos prometedores y acelerará el desarrollo de fármacos».
Utilizando PUMICE, los investigadores identificaron tratamientos potenciales para afecciones médicas, como la COVID-19, la enfermedad de Alzheimer y enfermedades autoinmunes, como la enfermedad de Crohn, la artritis reumatoide, la colitis ulcerosa y el vitíligo, una afección de pigmentación de la piel. Señalaron que algunos de los medicamentos identificados ya se están evaluando en ensayos clínicos, incluido Baracitinib, un medicamento para tratar la COVID-19.
«Poder redescubrir medicamentos que ya están en ensayos clínicos muestra el poder de nuestro enfoque», dijo Bibo Jiang, coautor principal y profesor asistente de ciencias de la salud pública en Penn State. «Diseñaremos experimentos de seguimiento para validar nuevos medicamentos e identificar los más prometedores para realizar más pruebas en líneas celulares y modelos animales y, finalmente, en ensayos clínicos».
El estudio fue publicado en Comunicaciones de la naturaleza.
Un nuevo enfoque basado en el aprendizaje automático para la reutilización de medicamentos
Chachrit Khunsriraksakul et al, Integración de datos genómicos y epigenómicos en 3D para mejorar el descubrimiento de genes objetivo y la reutilización de fármacos en estudios de asociación de transcriptomas completos, Comunicaciones de la naturaleza (2022). DOI: 10.1038/s41467-022-30956-7
Proporcionado por el Colegio de Medicina de Penn State
Citación: Nueva técnica de aprendizaje automático muestra cómo se pueden reutilizar los medicamentos (29 de junio de 2022) recuperado el 29 de junio de 2022 de https://medicalxpress.com/news/2022-06-machine-technique-drugs-repurposed.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.
