Científicos informáticos han desarrollado un nuevo sistema para determinar rápidamente qué fármacos para el cáncer funcionarían mejor, dados los marcadores genéticos de un paciente — el primer sistema públicamente disponible de su tipo.
Esto les permitirá a los doctores acceder mejor a datos que relacionan a factores genéticos con resultados de tratamientos, dispersos entre cientos de textos académicos.
El nuevo sistema
Un grupo de científicos informáticos de la Universidad de Delaware y Georgetown ha desarrollado un nuevo sistema para determinar rápidamente qué fármacos para el cáncer funcionarían mejor, dados los marcadores genéticos de un paciente. Siendo el primer sistema públicamente disponible de su tipo, su base de datos, eGARD (extracting Genomic Anomalies association with Response to Drugs) [extracción de relación de anomalías genómicas con respuesta a fármacos], es descrita en la publicación PLOS One.
Cuando tus genes funcionan correctamente, trabajan como gestores de fábricas miniatura, dirigiendo la producción de proteínas que sostienen la vida. Sin embargo, algunas veces, un gen se vuelve un pillo, y en vez de eso, crea un tumor canceroso. Cuando los expertos en cáncer identifican estos genes defectuosos, pueden diseñar planes de tratamiento con base en evidencia pasada.
Sin embargo, hasta ahora, los datos que vinculan a los factores genéticos con los resultados de los tratamientos, se encuentran dispersos entre cientos de publicaciones académicas. Les tomaría días a los doctores, sin hacer nada más, para hallar y leer todos estos informes. Ahora, en lugar de eso, podrían invertir ese tiempo en ofrecer tratamientos optimizados.
La promesa del eGARD
El eGARD es un sistema de minería de texto que analiza palabras y frases en los textos médicos para hallar relaciones entre anomalías genómicas y respuestas a fármacos.
“Los clínicos no tienen tiempo para leer todos los informes y los textos para cada tumor,” dijo Peter McGarvey, autor del estudio y profesor adjunto de bioquímica de la Universidad de Georgetown. “El eGARD es una manera de ayudar a identificar los más importantes para los clínicos, genetistas médicos, o tal vez compañías que ya estén haciendo esto de otras maneras.”
El equipo de investigación aplicó el eGARD a aproximadamente 36,000 resúmenes de artículos, obteniendo 50 genes y 42 fármacos para el cáncer, incluyendo inhibidores de ciclo celular, inhibidores de quinasas y tratamientos de anticuerpos.
El equipo de investigación primero adiestró al sistema para identificar indicaciones de anomalías genéticas, con nombres muy científicos como “sobre expresión del ERCC1” o “polimorfismos C677T y A1298C del gen MTHFR.”
Luego, lo adiestraron para buscar texto que sugería resultados de tratamientos, como “respuesta considerablemente peor” o “tasa de supervivencia.” Luego, buscaron palabras y frases que conectaran una anomalía genética y un resultado, como “se correlacionan,” “se asocian” o “presentan relación.”
Al extraer y procesar secciones clave de texto, el eGARD puede hacer corresponder firmas genéticas con resultados, con una precisión del 95%.
El futuro
“Esperamos que esto pueda hacer una diferencia tanto para oncólogos como para pacientes con cáncer,” dijo el autor del estudio Vijay Shanker, profesor de ciencias computacionales y de la información en la U. de Delaware.
Los investigadores de la U. de Delaware desarrollaron el código y el procesamiento de datos para el eGARD, e investigadores de Georgetown centrados en la parte clínica, proporcionaron casos de uso, terminología, conjuntos de datos protegidos, y nociones sobre qué información era más importante para los clínicos que trabajan en la medicina de precisión. Ambos grupos probaron y refinaron el sistema.
El equipo creará una interfaz pública para el eGARD. Eventualmente podría ser incorporado también en otro tipo de software.
Fecha: 6 de febrero de 2018
Link: https://www.sciencedaily.com/releases/2018/02/180206140710.htm
Fuente Universidad de Delaware
Fuente original de la historia:
Materiales proporcionados por la Universidad de Delaware. Original escrito por Julie Stewart. Nota: el contenido podría haber sido editado en estilo y extensión.
Referencia de la publicación:
- S. M. Ashique Mahmood, Shruti Rao, Peter McGarvey, Cathy Wu, Subha Madhavan, K. Vijay-Shanker. eGARD: Extracting associations between genomic anomalies and drug responses from text (Extraer relaciones entre anomalías genómicas y respuestas a fármacos, de textos). PLOS ONE, 2017; 12 (12): e0189663 DOI: 10.1371/journal.pone.0189663
Nota: Instituto Nutrigenómica no se hace responsable de las opiniones expresadas en el presente artículo.
