Los estudios de expresión génica suelen estar basados en cuantificaciones de
la expresión y en anotaciones que tienen en cuenta la distribución de los genes
en grupos funcionales. Los análisis mecanísticos añaden información más
cercana a la biología de sistemas, con ello se intenta modelizar, no sólo la
presencia de los factores de estudio, sino también sus interacciones de un modo
dinámico.
El paquete Hipathia, que fue desarrollado y publicado por el Departamento de
Genómica Computacional del Centro de Investigación Príncipe Felipe de
Valencia, y actualmente sigue en desarrollo continuo por el Área de
Bioinformática Clínica del Hospital Virgen del Rocío de Sevilla, analiza la
expresión génica con un enfoque mecanístico. Calcula activaciones funcionales
mediante un algoritmo iterativo que modeliza la transducción de señal en las
rutas de señalización biológica.
Con esta aproximación, hemos re analizado un set de datos de expresión génica
de Sarcoma de Células Claras del Riñón depositado en un repositorio público, y
hemos podido concluir que, si bién los genes de la ruta de señalización de
PI3K/Akt se encuentran sobreexpresados, es posible que dicha sobreexpresión
no implique una activación de las funciones celulares controladas por dicha ruta.
El mapa de enfermedad obtenido de la activación diferencial de circuitos de
señalización celular sirve como partida de un modelo de Machine Learning de
tipo Random Forest Multi Output para identificar Genes Diana de Fármacos
aprobados por humanos, y para seleccionar posibles fármacos candidatos al
reposicionamiento para Sarcoma de Células Claras del Riñón.
Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 Internacional