Imegen

ISOWN: un algoritmo para predecir mutaciones somáticas en cáncer cuando no se dispone de tejido normal sano

Amparo Tolosa, Genética Médica News

 

Investigadores de la Universidad de Ontario han desarrollado una herramienta bioinformática que permite predecir la presencia de mutaciones somáticas en el cáncer cuando no se dispone de tejido normal sano.

Las mutaciones somáticas son cambios en el ADN, no heredados de los padres, que se producen en las células no germinales a lo largo de la vida. Estas mutaciones pueden no tener consecuencias sobre la persona, o por el contrario, marcar el inicio de un proceso canceroso. Así, la mayor parte de los tumores se producen por la aparición de mutaciones somáticas en genes que regulan el crecimiento, proliferación y mecanismos de reparación del ADN  en las células en las que se inicia el tumor.

Caracterizar las mutaciones que llevan al cáncer es un paso crítico para hacerle frente. En la actualidad, la aproximación más utilizada es la comparación del ADN obtenido a partir del tejido tumoral del paciente con ADN extraído de muestras de tejido sano. De este modo, los investigadores pueden determinar si un cambio observado en el ADN tumoral se ha producido durante la formación del cáncer, o por ejemplo, se trata de un polimorfismo ya presente en el tejido sano. Sin embargo, ¿qué ocurre cuando no hay una muestra de tejido sano con la que comparar?

 

ISOWN

ISOWN permite predecir mutaciones somáticas en cáncer cuando no se dispone de tejido normal sano.

 

Existen casos en los que no se dispone de tejido sano, ya sea porque el paciente no dio su consentimiento informado, no se obtuvo muestra, se trata de una línea celular derivada de la que no hay información del donante o por cuestiones económicas. En estos casos, diferenciar en el ADN tumoral qué es un cambio asociado al cáncer y qué es un cambio presente en las células sanas es mucho más complicado y hasta el momento no había una herramienta informática para ello.

El equipo de investigadores de la Universidad de Ontario utilizó información de bases de datos de variantes genéticas y mutaciones somáticas en cáncer, así como diversas herramientas que analizan el contexto de los cambios genéticos encontrados o su impacto funcional y diseñó  un algoritmo basado en machine learning que permite identificar variantes de un único nucleótido somáticas en datos obtenidos por secuenciación masiva del ADN de muestras de cáncer.

La eficiencia del algoritmo fue evaluada mediante diferentes estrategias de secuenciación y en diferentes tipos de tejido y líneas celulares. En total, se utilizaron aproximadamente 1.600 muestras, que incluyen tanto tejido fresco y cultivo celular como muestras fijadas con formalina e incluidas en parafina. El algoritmo, denominado ISOWN por las siglas en inglés de “Identificación de mutaciones somáticas sin tejido normal asociado”,  permite clasificar entre un 95% y un 98% de las mutaciones somáticas y su rendimiento varía según el tipo de tejido tumoral.

Los investigadores reconocen que ISOWN tiene todavía ciertas limitaciones y será necesario más trabajo para mejorar su eficacia en tipos de cáncer con poca carga mutacional o bases de datos de ciertas características.

“ISOWN puede ayudar a los investigadores a acelerar el proceso de secuenciación, reducir la inversión financiera en la secuenciación de muestras y necesidades de almacenamiento o aumentar el poder del análisis incrementando el número de muestras de tumor secuenciadas con los mismos recursos,” concluyen los autores. “Además, ISOWN es útil en casos en los que el consentimiento del paciente previene la adquisición de tejido normal o cuando un estudio está basado en biopsias retrospectivas en las que no se tomaron tejidos normales.”

ISOWN está disponible de forma gratuita para la comunidad científica y es posible descargarlo, junto con un manual de instrucciones, desde el enlace https://github.com/ikalatskaya/ISOWN

Investigación original: Kalatskaya I, et al. ISOWN: accurate somatic mutation identification in the absence of normal tissue controls. Genome Med. 2017. Doi: http://dx.doi.org/10.1186/s13073-017-0446-9

 

Si te ha gustado el artículo, suscríbete ahora de forma gratuita a la Revista Genética Médica y recíbela cada 2 semanas.


Acepto el Aviso Legal

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Normas de uso

La Revista Genética Médica permite realizar comentarios sobre su contenido para favorecer la participación de los lectores, con el objetivo de ofrecer una plataforma de debate y discusión sobre los temas tratados.

El contenido de Genética Médica es de carácter general y tiene una finalidad informativa. La mención de cualquier método, terapia, tratamiento o servicio no debe ser considerado una garantía para su utilización. Determinar el adecuado tratamiento para un paciente es responsabilidad de los médicos y facultativos. La información proporcionada en Revista Genética Médica ha sido diseñada para apoyar, y en ningún caso reemplazar, la relación que existe entre un paciente y su médico.

Para asegurar que todos los lectores tienen una buena experiencia, la Revista Genética Médica solicita que los comentarios sigan unas normas básicas. Los comentarios son evaluados antes de su publicación y moderados por los miembros de la Oficina Editorial de Revista Genética Médica diariamente. Cualquier comentario que no cumpla los principios indicados no será publicado.

Los comentarios están abiertos al público general por lo que los lectores deben considerar que su contenido no necesariamente ha sido realizado por un profesional médico.

Los usuarios tendrán en cuenta que los comentarios serán públicos y cualquier persona con acceso a internet podrá verlos. Los usuarios pueden publicar información personal propia (teniendo en cuenta que será pública) pero no la de otras personas. Los comentarios no podrán ser modificados.

Los principios seguidos para la publicación de comentarios serán:

  • Todos los comentarios que contribuyan a enriquecer el contenido y calidad de los contenidos de Revista Genética Médica serán bienvenidos. Los usuarios se comprometen a proporcionar información veraz y contrastable. Cada usuario proporcionará referencias y/o enlaces que justifiquen sus afirmaciones sobre medicina y salud, siempre que no se trate de una experiencia personal vivida por él mismo.
  • En caso de mencionar publicaciones científicas o datos específicos, se citarán las fuentes que en el comentario.
  • Sólo se aceptará la presencia de enlaces en los comentarios cuando su contenido cumpla los principios de publicación de comentarios y estén relacionados con el tema.
  • En caso de mencionar publicaciones científicas o datos específicos, se citarán las fuentes que en el comentario.
  • Sólo se aceptará la presencia de enlaces en los comentarios cuando su contenido cumpla los principios de publicación de comentarios y estén relacionados con el tema.
  • No se aceptarán comentarios difamatorios o falsos, insultos, amenazas, o ajenos al tema del que trate el artículo. En la misma línea no se aprobará la publicación de comentarios con contenido xenófobo, racista, sexista, homófobo o discriminatorio hacia cualquier religión o colectivo.
  • Los mensajes escritos al completo en mayúsculas no serán aceptados.
  • Mensajes publicitarios, o de cuestiones no relacionadas con el tema del artículo no serán aprobados para su publicación.

Si te ha gustado el artículo, suscríbete ahora de forma gratuita a la Revista Genética Médica y recíbela cada 2 semanas.

(function() { if (!window.mc4wp) { window.mc4wp = { listeners: [], forms : { on: function (event, callback) { window.mc4wp.listeners.push({ event : event, callback: callback }); } } } } })();


Acepto el Aviso Legal