La genómica es la tecnología humana que avanza más rápidamente y ofrece grandes posibilidades a partir del conocimiento con técnicas experimentales de los seres humanos y sus enfermedades. Dicho enfoque genera una gran cantidad de datos y hace que la biomedicina se convierta en una ciencia de datos, “con los mismos problemas de otras ciencias que generan muchos (como la meteorología o la astronomía) y la dificultad añadida de que los datos biológicos son mucho más heterogéneos y complejos”, señala Alfonso Valencia, director del Departamento de Ciencias de la Vida del Barcelona Supercomputing Center (BSC)-Centro Nacional de Supercomputación y profesor ICREA.
Para Valencia, director del Instituto Nacional de Bioinformática, una plataforma del Instituto de Salud Carlos III, el reto al que nos enfrentamos es el cambio sustancial en las nuevas tecnologías genómicas y “hacen falta métodos computacionales capaces de, por una parte, gestionar, almacenar y tratar los datos, y, por otra parte, de interpretarlos -cómo las mutaciones afectan a la persona o a la progresión de su enfermedad, por ejemplo-”.
No resuelto
Según Valencia, esta interpretación de datos es una situación “compleja” y un problema científico que “aún no está resuelto”: “Todavía no podemos predecir a partir de un genoma las posibilidades de que un tumor avance o resista a un medicamento; por ello trabajamos en construir métodos que sean capaces y hagan posible gestionar la información (encontrar mutaciones, mover volúmenes de datos complejos…) y conectarlos y combinarlos con la parte médica de las personas (historia clínica) para intentar encontrar interpretaciones”.
Interoperabilidad
Muchas compañías farmacéuticas participan en los grandes consorcios de estándares porque son las primeras interesadas en hacer sus propios sistemas interoperables
Adherencia
Se trabaja en el desarrollo de juegos o actividades que potencien la adherencia a los tratamientos, un problema serio en enfermedades neurodegenerativas y psiquiátricas
Medir
También se trabaja en el desarrollo de instrumentos computacionales para medir y registrar parámetros biomédicos o, por ejemplo, la propia administración de fármacos
Ese campo científico abierto de las interpretaciones incluye, en palabras de Valencia, “métodos tradicionales (estadística…) y otros nuevos de machine learning o que tienen que ver con modelado en el sentido ingenieril de la palabra”. Este último aspecto “era algo marginal en la biología, porque no había apenas datos de cómo pasaban las cosas, pero ahora sin embargo empezamos a ver que por primera vez disponemos de los datos sobre procesos celulares y de capacidad computacional suficiente para poder crear modelos realistas“.
En definitiva, estos deberán permitir a partir de la información de los componentes, como en otras áreas de ciencia e ingeniería, “predecir comportamientos de los procesos moleculares en sistemas de interés biomédico”.
Modelos predictivos
El BSC abandera activamente esta línea. A modo de ejemplo, los modelos de predicción del tiempo son cada vez más precisos, tanto porque disponemos de más satélites y estaciones meteorológicas que aportan más y mejores datos, como de mejores modelos predictivos y, por supuesto, de mucha más capacidad computacional. Igualmente válido sería cualquier caso en ingeniería, donde la construcción de cualquier instrumento va precedida de una simulación que integra el conocimiento sobre el entorno y los materiales.
Un ejemplo típico del BSC “sería el modelo para determinar la colocación óptima de las palas de viento en un terreno, algo que ninguna compañía acometería sin tener un modelo que predijera el rendimiento esperado a partir de las condiciones de cada entorno”.
Para Valencia, en el terreno de las simulaciones “el reto en biomedicina es trasladar la metodología al entorno de los procesos celulares, que es en el nivel donde se encuentra la información útil para el diagnóstico molecular y para la definición de dianas de los medicamentos”.
Valencia apunta que los esfuerzos en modelado de procesos celulares corren en paralelo con otra línea de trabajo basada en intentar inferir el conocimiento a partir de los datos. “Combinando los principios básicos, actividad de los genes y conocimiento previo, no hacemos un modelo sino que, a partir de correlaciones en los datos, señalamos cómo se va a comportar el sistema”.
El especialista señala que, gracias a los avances en inteligencia artificial y machine learning y la minería de datos o genomas, “disponemos ya de nuevos métodos que clasifican desde arritmias a brotes psicóticos”.
La industria
La industria farmacéutica colabora y participa de forma activa en este ámbito. Por un lado, “existe interés por ser capaces de incorporar este tipo de sistemas en sus cadenas de razonamiento sobre la decisión del desarrollo de fármacos” y una de las patas de la colaboración es “la elaboración de los métodos para ser capaces de usar los datos que ellos mismos generan”.
Según Valencia, una de las cosas que más preocupa ahora en la industria farmacéutica son los dobles tratamientos (dos fármacos cuyo efecto se conoce, pero que en combinación pueden tener otros sinérgicos -por ejemplo, en cáncer para evitar resistencias-), pero se está haciendo con métodos muy aproximados: se obtiene la información y se intentan ver cuáles son las correlaciones entre un grupo de fármacos”. Sin embargo, en la medida en que se puedan incorporar nuevos métodos basados en simulaciones, “la parte experimental de validación sería más fácil porque se basaría en hipótesis mucho más directas”.
The post Gestionar información para encontrar modelos appeared first on Diariomedico.com.
from Diariomedico.com https://ift.tt/2q57ucg
