Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

Aproximação de modelagem nova para compreender melhor como os tumores se tornam agressivos

Embora a revelação de crescimentos cancerígenos secundários, chamada metástase, seja a causa de morte preliminar na maioria de cancros, as mudanças celulares que a conduzem são compreendidas deficientemente. Em um estudo novo, publicado na biologia do genoma, os pesquisadores no Urbana-Campo das Universidades de Illinois desenvolveram uma aproximação de modelagem nova para compreender melhor como os tumores se tornam agressivos.

Os pesquisadores identificaram diversos caminhos celulares que mudam quando um tumor se torna agressivo. Contudo, é difícil compreender como afectam o tumor. Nós quisemos desenvolver um sistema simples que pudesse modelar como as células cancerosas formam um tumor agressivo.”

Oferta de Steven, professor adjunto da farmacologia molecular e terapêutica experimental, clínica de Mayo, Minnesota

Os pesquisadores associaram os dados de suas próprias experiências assim como publicamente - os dados disponíveis para desenvolver o modelo, que foi baseado em uns 2018 mais simples modelam que reguladores investigados da resistência de droga do cancro. Neste papel, centraram-se especificamente sobre os factores da transcrição, que são as proteínas que controlam a expressão genética ligando ao ADN.

“Nós podemos facilmente ver quantos factores da transcrição estão lá na célula cancerosa. Este modelo permitiu que nós considerassem se as áreas que de alvo ligam a estão disponíveis ou não, a” oferta disse. As áreas de alvo podem ser escondidas segundo a organização do ADN. Estudando sua disponibilidade, os pesquisadores podem prever que factores e alvos da transcrição são importantes.

“A vantagem do modelo é que pode integrar tipos diferentes de dados experimentais, que não são uma tarefa fácil. Deu-nos uma lista de factores da transcrição, classificada baseado em sua importância à agressividade colorectal do cancro,” disse Saba Ghaffari, um aluno de doutoramento no laboratório de Sinha. O modelo é tão adaptável que podia analisar também o emperramento de factores da transcrição em outros tipos de pilhas.

Os pesquisadores igualmente testaram as previsões do modelo usando linha celular humanas do cancro. Olharam os factores da transcrição que foram identificados e mostraram que estiveram envolvidos em aumentar a agressividade das células cancerosas colorectal.

“Sem o modelo, seria cara e demorado para que nós analisem os factores da transcrição em todas estas linha celular diferentes,” a oferta disse. “Nós podemos agora usar estes dados para melhorar o cuidado do cancro. Mais informação que nós temos sobre estes factores, mais os rompimentos nós podemos criar para interferir com o processo, e melhoram tratamentos.”

Os pesquisadores estão esperando melhorar mais o modelo para fazê-lo mais sensível. “Embora nós binarized os dados, os efeitos destes factores da transcrição estão mudando continuamente. Nós igualmente supor que todos os genes trabalham independentemente de se; na realidade trabalham junto,” Ghaffari disse.

“Cada vez mais, estas tecnologias fornecem-nos ideias complementares de mudanças celulares durante a progressão da doença. O trabalho de Ghaffari fornece-nos uma receita de uso geral para combinar aquelas vistas diferentes em um inteiro significativo, dando nos mais que toda a uma vista pode,” disse Saurabh Sinha (BSD/CABBI/GNDP/GSP), um professor da informática. “Este é apenas o começo. Nós estamos olhando-o como um modelo para muito mais análises no futuro, abordando desafios biológicos diferentes.”

Source:
Journal reference:

Ghaffari, S., et al. (2021) An integrated multi-omics approach to identify regulatory mechanisms in cancer metastatic processes. Genome Biology. doi.org/10.1186/s13059-020-02213-x.