Desarrollan herramienta para identificar factores de riesgo genéticos

Se ha desarrollado un nuevo modelo de las vías biológicas, basado en computadores, para identificar las conexiones genéticas subyacentes entre las diferentes enfermedades.

El modelo, llamado la Red de Fenotipo Humano, basada en Vías (PHPN), imita los datos presentes en los conjuntos de datos grandes, de enfermedades, públicamente disponibles, para encontrar genes compartidos de polimorfismos nucleótidos únicos o vías, y las expresa de forma de visual.

Los genetistas de la Facultad de Medicina Geisel de Dartmouth (Hanover, NH, EUA) construyeron una red de fenotipos humanos, basada en vías (PHPN) de más de 800 atributos físicos, enfermedades y rasgos de comportamiento, con base en cerca de 2.300 genes y 1.200 vías biológicas. Usando asociaciones fenotipo-a-genes encontradas en un estudio de asociación de todo el genoma (GWAS), y los datos de las vías de una base de datos de vías revisadas por pares y curada, de fuente abierta Reactome (www.reactome.org), conectaron los rasgos humanos con base en los patrones comunes de las vías biológicas humanas, detectando más efectos pleiotrópicos, y ampliando los estudios previos de un método centrado en los genes a uno de procesos celulares comunes.

La PHPN apoya la integración de datos genómicos y fenotípicos para descubrir vínculos significativos entre los rasgos, atributos y las enfermedades. Esto ofrece un enorme potencial en la identificación de factores de riesgo para ciertas enfermedades. Al mismo tiempo, puede revelar importantes objetivos para la intervención terapéutica. La clasificación automática de los fenotipos en “clases de fenotipos”, utilizando la modularidad topológica de la red y un algoritmo estándar de detección de la comunidad, mostró resultados muy prometedores. Dos rasgos que estaban conectados en la PHPN pero no compartían ningún tipo de genes asociados comunes o cualquier relación biológica clara eran los niveles del factor de von Willebrand y los del FVIII (FvW) con la atrofia del hipocampo (HA).

Cristiano Darabos, PhD, autor principal del estudio, dijo: “La representación intuitiva de la red de los conocimientos extraídos de varios conjuntos de datos de gran escala hace que la información sea accesible a cualquier persona. Se encuentra en la intersección de la genética computacional, la biología de sistemas, la teoría de la información y la ciencia de las redes. Como prueba de concepto, la PHPN ha demostrado ser capaz de identificar las interacciones bien documentadas, y muchos enlaces nuevos que aún no se han explorado a fondo. La PHPN es una herramienta para generar hipótesis, potencialmente capaz de identificar objetivos farmacológicos comunes aun no caracterizados”. Como siguiente paso, los científicos refinarán los métodos estadísticos, aislarán las redes para obtener resultados óptimos, y compararán el trabajo anterior sobre redes fenotipos de redes. El estudio fue publicado el 25 de enero de 2014, en la revista BioDataMining.

Enlace relacionado:

Geisel School of Medicine at Dartmouth

Reactome