Os pesquisadores projectam a modelagem do sistema para pressupr relacionamentos entre genes, drogas, e seu ambiente

Uma equipe dos pesquisadores na Faculdade de Medicina de Icahn no monte Sinai e na universidade de Washington projectou um sistema de modelagem que integrasse informação genomic e temporal para pressupr relacionamentos causais entre genes, drogas, e seu ambiente, permitindo uma previsão mais exacta de suas interacções ao longo do tempo. O trabalho é descrito em um papel publicado hoje em comunicações da natureza.

“Compreendendo como o ambiente de uma pessoa, a dieta, as medicamentações, e outros traços doença-associados do impacto dos factores têm ao longo do tempo o potencial mais exactamente ao modelo o risco de um indivíduo de doença,” diz Eric Schadt, PhD, decano para a medicina da precisão na Faculdade de Medicina de Icahn no monte Sinai; CEO de Sema4, um risco do monte Sinai; e um co-autor do papel. “Este será o futuro da saúde da precisão ou da medicina personalizada.”

Dado a complexidade de sistemas biológicos, os cientistas na Faculdade de Medicina de Icahn acreditaram que seria somente possível aumentar a precisão de ferramentas da previsão examinando a expressão genética e os outros dados em resposta às várias perturbação em pontos múltiplos ao longo do tempo. As ferramentas criaram mudanças estáticas e dinâmicas da medida a fim identificar a Web de relacionamentos causais entre os elementos moleculars que compo redes reguladoras.

“Prever o comportamento de sistemas biológicos é tremenda difícil porque são tão dinâmicos, adaptando-se porque as circunstâncias exigem. É somente minando tantos dados como possível que nós podemos gerar uns resultados mais seguros sobre como qualquer um saúde pôde mudar em conseqüência da exposição a determinados elementos ambientais ou outros,” dissemos junho Zhu, PhD, professor da genética e de ciências Genomic na Faculdade de Medicina de Icahn, na cabeça de ciências dos dados em Sema4, e no autor superior da publicação. “Nossas novas ferramentas oferecem uma etapa fundamental para a frente analisando dados genomic ao longo do tempo. Este tipo de aproximação será particularmente útil para a investigação médica no envelhecimento e finalmente podia aumentar nossa capacidade para prever o risco da doença, tornando umas intervenções mais adiantadas possíveis tratar completamente ou impedir a doença. ”

Os cientistas avaliaram suas ferramentas analisando uma população genetically heterogênea das pilhas de fermento tratadas com o rapamycin, uma droga antienvelhecimento potencial, perfilando a população em pontos múltiplos do tempo. Os resultados demonstraram que a aproximação nova identificou uma quantidade significativa de associações entre a variação do ADN e a variação da expressão genética, especialmente para genes envelhecimento-relacionados, refletindo o impacto em mudança de variações genéticas ao longo do tempo. Mais, este mais seguro provado aproximação em identificar os reguladores causais de interacções da gene-droga, comparados aos métodos convencionais usando somente um único ponto do tempo.

“Este papel demonstra as melhorias em pressupr as causas genéticas da doença permitidas por um perfilamento molecular mais de alta resolução. Porque os cientistas se tornam cada vez mais capazes de incorporar a informação tal como temporal, a único-pilha, e o microambiente que perfila nos estudos, algoritmos tais como esse descrito no papel do Dr. Lin poised para leverage tais dados para pressupr modelos cada vez mais exactos dos motoristas moleculars da doença que podem ser usados para projectar terapias novas melhoradas.” Adam dito Margolin, PhD, cadeira do departamento da genética e de ciências Genomic e do decano de sócio principal para a medicina da precisão na Faculdade de Medicina de Icahn.

Advertisement