La medicina personalizada, una realidad
Por lo general, personas que sufren la misma enfermedad responden de forma distinta a un determinado tratamiento. Esto se ha atribuido a la variabilidad genética interindividual, ya que la expresión génica determina el procesado de los medicamentos en el organismo. Para minimizar los efectos secundarios o la insensibilidad a un tratamiento, es necesario identificar los genes implicados en el éxito de dicho tratamiento. En los últimos años se ha obtenido gran cantidad de información molecular y genómica sobre la población, incluso se ha logrado secuenciar el genoma de un paciente. Sin embargo, aún se desconoce cómo utilizar esta información para diseñar tratamientos personalizados. El equipo del proyecto MLPM2012(se abrirá en una nueva ventana), financiado con fondos europeos, exploró el campo del aprendizaje automático, donde se emplean herramientas informáticas para detectar patrones, normas y dependencias estadísticas en bases de datos de grandes dimensiones. El propósito fue crear algoritmos para analizar el ADN humano e identificar patrones que se relacionan con una determinada respuesta a un fármaco. En el proyecto MLPM2012 colaboraron instituciones académicas de siete países junto con socios del sector industrial y se impartió formación para la nueva generación de científicos en campos como el aprendizaje automático y la genética. Desde un punto de vista científico, el objetivo fue desarrollar técnicas de aprendizaje automático para identificar características moleculares en los pacientes que puedan ser utilizadas para el diagnóstico, el pronóstico y la teranóstica. Además, se diseñaron técnicas para estudiar las causas y los mecanismos biológicos de las enfermedades así como para predecir el fenotipo clínico en función de las interacciones entre la genética, la epigenética y los factores ambientales. Los métodos de aprendizaje automático generados para la identificación de biomarcadores tuvieron en cuenta la enorme cantidad de datos ómicos, las dificultades informáticas y las diferentes escalas de medida entre las muestras. Mediante estas técnicas, se investigó el papel de las vías de señalización en distintos tipos de cáncer y se describieron los mecanismos moleculares implicados en el efecto anticancerígeno del silvestrol. En conjunto, las actividades de la iniciativa MLPM2012 sientan las bases para trasladar los datos heterogéneos de cada paciente al descubrimiento de biomarcadores eficaces para conocer el diagnóstico y el pronóstico de una determinada enfermedad así como el resultado de los tratamientos.
