Un estudio internacional publicado en Biotecnología de la naturaleza presenta los resultados combinados de un DREAM Challenge 2013: una iniciativa de colaboración colectiva para probar qué tan bien se pueden predecir los efectos de un compuesto tóxico en diferentes personas. El estudio, que es relevante para la salud pública y ocupacional, muestra que los métodos computacionalesse puede utilizar para predecir algunos efectos tóxicos en las poblaciones, aunque todavía no son lo suficientemente sensibles como para predecir dichos efectos en los individuos. También presenta algoritmos útiles para la evaluación de riesgos ambientales.
Si pudiéramos usar computadoras para predecir si un compuesto tendría un efecto tóxico en las personas, las pruebas de seguridad química serían mucho más simples. En un desafío basado en la comunidad dirigido y organizado por científicos de EMBL-EBI, Sage Bionetworks, IBM,la Universidad de Carolina del Norte y el Instituto Nacional de Ciencias de la Salud Ambiental NIEHS de los NIH y el Centro Nacional para el Avance de las Ciencias Traslacionales NCATS, cientos de biólogos computacionales de todo el mundo intentaron predecir las toxicidades de los compuestos ambientales que habíanposibles efectos adversos para la salud.
Los organizadores utilizaron 884 líneas celulares linfoblastoides que tenían datos de expresión genética y SNP disponibles a través del Proyecto 1000 Genomas. Midieron la toxicidad celular de 156 compuestos en estas líneas celulares, que representaban a individuos de nueve subpoblaciones en Europa, África, Asia y elAmérica. Los participantes fueron desafiados a desarrollar algoritmos que pudieran predecir la respuesta tóxica en diferentes individuos y en poblaciones, todo basado en los atributos estructurales de los compuestos.
"Nuestros socios en los EE. UU. Tomaron las líneas celulares del Proyecto 1000 Genomas y las trataron con diferentes compuestos, por lo que sabíamos qué compuesto tenía un efecto tóxico para cada línea celular", explica Julio Saez-Rodríguez, ex líder del grupo de investigación en EMBL-EBIahora en RTWH Aachen University. "Así que queríamos saber, ¿puedes predecir eso? Para un compuesto dado, ¿cómo afectará a las personas? Para una persona determinada, ¿a qué compuestos será sensible? Esto es realmente importante para cosas como la fabricación, donde las personas podrían estar expuestas a un nuevo compuesto que aún no se ha probado ".
Docenas de equipos enviaron 179 predicciones basadas en modelos computacionales de última generación, y los organizadores las compararon con los resultados experimentales. En la gran tradición del crowdsourcing en bioinformática, los organizadores integraron los resultados, tomando lo mejor decada uno y formando una nueva herramienta para predecir la toxicidad.
Las predicciones fueron ligeramente mejores que las aleatorias para los individuos, pero los resultados combinados podrían predecir aproximadamente la respuesta a nivel de población a diferentes compuestos. Sin embargo, se necesita una mayor precisión antes de que sea posible predecir con precisión los riesgos para la salud asociados con compuestos desconocidos.
Un beneficio clave del estudio es que ofrece nuevas metodologías para mejoras en algunas áreas de evaluación y valoración de peligros.
"Esta asociación y desafío ofrecen una manera de proporcionar conocimientos científicos poderosos y un impacto significativo en la salud pública al acelerar el ritmo de las pruebas de toxicidad", dice Allen Dearry, Director de la Oficina de Gestión de Información Científica del NIEHS. "Los modelos computacionales ganadores proporcionanavances significativos en nuestra capacidad para predecir el riesgo de toxicidad de los productos químicos ambientales y preparar el escenario para futuros desafíos y concursos basados en datos en ciencias de la salud ambiental ".
"La capacidad de los mejores equipos para predecir la toxicidad a nivel de población para compuestos desconocidos, basada en similitudes en la estructura química con compuestos conocidos, superó con creces nuestras anticipaciones", dice Lara Mangravite, directora de Biología de Sistemas en Sage Bionetworks ".Este fue un caso real en el que la búsqueda colectiva del problema proporcionó respuestas que de otro modo nunca se habrían encontrado "
"Tuvimos la participación de cientos de personas de todo el mundo, desde laboratorios de prestigio hasta personas que ni siquiera trabajan en biología", dice Federica Eduati, quien realizó los análisis y es becaria postdoctoral interdisciplinaria EMBL EIPOD enEMBL-EBI. "No es necesario estar en un instituto de primer nivel para jugar con datos excelentes; si tiene una buena idea, puede compartirla".
Fuente de la historia :
Materiales proporcionado por Instituto Europeo de Bioinformática EMBL-EBI . Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :