211service.com
Modelo humano completado
Investigadores de la Universidad de California en San Diego han construido el primer modelo informático completo del metabolismo humano. Disponible gratis en el Web , el modelo es un gran paso adelante en el campo incipiente de la biología de sistemas y ayudará a los investigadores a descubrir nuevas vías de fármacos y comprender la base molecular del cáncer y otras enfermedades.
Los investigadores de la Universidad de California en San Diego han construido el primer modelo informático completo del metabolismo humano. Utilizaron el modelo para hacer este mapa, un análisis de los efectos metabólicos de la cirugía de bypass gástrico después de un año.
El metabolismo es la suma de todas las reacciones químicas involucradas en la descomposición de los nutrientes de los alimentos en energía y su uso como materia prima para producir todo lo que el cuerpo necesita, desde hormonas como la insulina hasta los lípidos que forman las membranas celulares. El modelo informático del metabolismo, construido por investigadores en el laboratorio de Bernhard Palsson , profesor de bioingeniería, conecta todas estas reacciones químicas conocidas en el cuerpo con cada gen humano.
Modelos similares de metabolismo en microbios como levaduras y E. coli –Incluidos varios generados por el laboratorio de Palsson– están permitiendo a los investigadores diseñar organismos que produzcan de manera más eficiente productos como etanol y medicamentos antipalúdicos. (Consulte Observación de la evolución de las bacterias en el laboratorio y Microbios diseñados estimulan el etanol). Pero, dice Aviv Regev , un biólogo computacional del Broad Institute, en Cambridge, MA, un modelo de metabolismo de alta calidad en humanos ha sido esquivo.
El nuevo modelo incluye todos los genes conocidos y todas las reacciones metabólicas que el grupo de Palsson descubrió en una búsqueda exhaustiva de la literatura científica. Un gen determinado en la base de datos está asociado con su producto proteico, que podría estar asociado con una serie de reacciones metabólicas, que están asociadas con otras reacciones, que están asociadas con insumos nutricionales como la glucosa y la producción de energía o un producto como la melatonina. Palsson llama al modelo una representación matemática de todos estos datos. La base de datos en línea se actualizará continuamente.
Regev dice que una de las aplicaciones más prometedoras del modelo es como un andamio sobre el cual proyectar datos de estudios de perfiles de expresión génica. Usando microarrays, ahora es posible encontrar diferencias en la expresión génica entre, por ejemplo, tejido hepático normal, tejido hepático canceroso y tejido hepático diabético. Estos datos tienen el potencial de revelar tanto las causas moleculares de la enfermedad como los posibles objetivos farmacológicos. Pero en estos estudios, dice Regev, los cambios en la expresión genética se extienden por todo [el genoma].
Usando el modelo, los investigadores pueden ingresar qué genes se expresan en un tejido enfermo y obtener como resultado las vías metabólicas en las que estos genes están involucrados, en lugar de buscar minuciosamente la literatura científica para obtener información de un gen a la vez. Por ejemplo, en el caso del hígado, el modelo podría decirles a los investigadores que un gen sobreexpresado en el tejido hepático canceroso está involucrado en reacciones metabólicas específicas, creando productos particulares. Los investigadores podrían entonces buscar un fármaco que se dirija a estas vías o productos. Hay cambios metabólicos a gran escala en el tejido canceroso, dice Regev.
James Collins , profesor de ingeniería biomédica en la Universidad de Boston, ya ha comenzado a utilizar enfoques a nivel de red para comprender el cáncer y dice que utilizará el modelo de Palsson en su investigación. Puede observar genes expresados diferencialmente en un paciente con cáncer de próstata, dice Collins. Entre ellos, ¿existen vías que indiquen los procesos subyacentes de la enfermedad? Nos permitirá filtrar y condensar datos complejos e identificar objetivos de fármacos.
Además, el modelo podría ayudar a los investigadores a comprender y optimizar mejor los medicamentos existentes. Es difícil averiguar qué genes se ven afectados indirectamente por un fármaco, dice Collins. Desea saber qué está golpeando para obtener una mejor química, una propiedad intelectual más sólida y comprender los efectos secundarios. Palsson señala que debido a que la red puede identificar múltiples formas de generar el mismo resultado, puede ayudar a las compañías farmacéuticas a encontrar compuestos que tengan los mismos efectos, alternativas a las estatinas como Lipitor, por ejemplo, sin violar las patentes de sus competidores.