Los investigadores de EMBL-EBI han desarrollado un nuevo método computacional para estudiar las redes de señalización biológica en células sanas y cancerosas.
Los investigadores del Instituto Europeo de Bioinformática de EMBL EMBL-EBI han desarrollado un nuevo método para estudiar los objetivos y los efectos de los medicamentos contra el cáncer utilizando datos de experimentos de espectrometría de masas EM de descubrimiento. El estudio se publica en Comunicaciones de la naturaleza.
Comprender las vías de señalización biológica que regulan el metabolismo y la expresión génica es un desafío, porque suceden muchas cosas a la vez. Pero esta comprensión es crucial para saber cómo un medicamento afectará a las células sanas y cancerosas. Las proteínas quinasas juegan un papel fundamental en estosal activar y desactivar ciertas proteínas en un proceso llamado fosforilación, y debido a que tales vías a menudo se desregulan en el cáncer, los inhibidores de la quinasa se usan como tratamientos.
Para crear modelos de rutas y redes de señalización, los investigadores usaron datos de 'descubrimiento de espectrometría de masas MS fosfoproteómica', una herramienta para estudiar la fosforilación de miles de proteínas expresadas por una célula en un momento determinado. Tales modelos podríanser usado para probar el efecto potencial de una droga computacionalmente.
Es un poco como tratar de hacer un mapa de metro de Londres basado en fotos CCTV aleatorias. "La EM es una herramienta muy poderosa porque te permite ver actividades como la fosforilación en una gran cantidad de proteínas a la vez", dice Julio Sáez-Rodríguez, líder del grupo visitante en EMBL-EBI. "Pero los datos son típicamente muy ruidosos y aleatorios en términos de cuál de las decenas de miles de proteínas en las células que mide. Es un poco como tratar de hacer un mapa de metro de Londres basado enfotos aleatorias de CCTV "
Hasta ahora, los métodos que usan datos de fosfoproteómica de la EM han puesto a los investigadores en el camino correcto en un sentido general, por ejemplo, apuntando a grupos de quinasas que probablemente estén activas en una muestra. El nuevo método reconstruye las rutas de manera robusta, permitiendo a los investigadorespara hacer preguntas más precisas sobre cómo las drogas afectan las proteínas y las vías.
"Nuestro método toma los datos ruidosos del experimento de MS, que es esta gran red con muchas cascadas interconectadas de actividades de quinasas, filtra el ruido e integra los datos. Esto se hace completamente en el contexto de lo que sabemos sobre las quinasas y sussustratos, para que pueda ver cómo están conectadas las cosas ", explica Camille Terfve, estudiante de doctorado internacional de EMBL en el laboratorio de Julio." Luego puede comparar lo que sucede con la señal, por ejemplo, si usa un tipo de inhibidor u otro. Entonces,puede mostrar lo que el medicamento realmente le está haciendo al sistema, más allá de la dirección que inicialmente creías que tomaría "
Gracias a una colaboración con el laboratorio Cutillas en el Instituto de Cáncer Barts, Universidad Queen Mary de Londres, los investigadores pudieron usar datos de experimentos que usan inhibidores de quinasa en células de cáncer de mama para demostrar el método.
"Existe mucho conocimiento sobre las proteínas quinasas y cómo influyen en la fosforilación, y lo hemos unido al enorme potencial de la EM para crear y probar modelos lógicos que brinden un camino claro para la investigación", dice Julio"La EM produce tantos datos que es muy difícil de examinar; ahora, podemos comenzar a ver el bosque en busca de árboles y definir qué información es realmente importante".
"Es realmente emocionante haber encontrado una manera de hacer un mejor uso de los datos de la EM y de usar la bioinformática para hacer que la investigación del cáncer sea más eficiente", agrega Camille.
Fuente de la historia :
Materiales proporcionado por Instituto Europeo de Bioinformática EMBL-EBI . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :