El Instituto de Innovación en Biotecnología e Industria en su interés de seguir expandiendo sus horizontes con nuevas investigaciones orientadas a la salud y la biotecnología, en un esfuerzo conjuntos con el Instituto Tecnológico de Santo Domingo, la Universidad Federal de Para, Brasil y Virginia Commonwealth University, Estados Unidos, han realizado un estudio donde se compararon diferentes tipos de redes de aprendizaje profundo (Deep Leaning) para la caracterización de diferentes subtipo de cáncer usando datos multi-omicos.
Esta caracterización se desarrolló a través del uso de técnicas llamadas autoencoder, los autoencoder son un conjunto de redes neuronales que permiten poder integrar datos multiomicos, éstos permiten unir datos de diferentes fuentes omicas como genes, datos de expresión génica, metilación y otros datos moléculas.
El cáncer es una de las causas principales de muerte en todo el mundo: casi 10 millones de fallecimientos en 2020, la incidencia de esta enfermedad aumenta muchísimo con la edad, muy probablemente porque se van acumulando factores de riesgo de determinados tipos de cáncer.
Es importante que se pueda trabajar con investigaciones que ayuden a reducir los factores de riesgo y aplicar estrategias preventivas de base científica que puedan garantizar la detección temprana de los diferentes tipos de cáncer, ya que un diagnóstico temprano es útil en todas las situaciones, debido a que, el 30% y el 50% de los cánceres se pueden evitar.
Gracias al avance tecnológico que se ha dado en los últimos años y a la formación de equipos multidisciplinarios que ayudan a la interpretación de los datos, que se asocian o predicen un proceso biológico, ya sea normal o que conlleva a una enfermedad, en este caso cuatro subtipos de cáncer.
Para su detección se aplicaron cuatro tipos que son; glioblastoma multiforme (GBM) y adenocarcinoma de colon (COAD) y carcinoma renal de células claras de riñón (KRCC) y carcinoma invasivo de mama (BIC) Procedente de cáncer Gename Altas Programs (TGCA). Utilizando tres tipos de datos: expresión génica, metilación del ADN y expresión de miARN. Los autocodificadores utilizados en los datos de TCGA, codificador automático Vanilla; Autocodificador de reducción de ruido; Autoencoder disperso y Autoencoder variacional para la detección de subtipos de cuatro tipos de cáncer, utilizando datos multiómicos.
Los encargados de realizar el estudio de estos subtipos de cáncer son los doctores; Edian F. Franco, nuestro director de investigación, además de los investigadores nacionales e internacionales Pratip Rana (India), Aline Cruz (Brasil), Víctor V. Calderón (Rep. Dom.), Vasco Azevedo (Brasi), Rommel T. J. Ramos (Brasil) y Preetam Ghosh (EE.UU).
Para el Instituto de Innovación en Biotecnología e Industria (IIBI), estudiar este tema de cáncer nos pone dentro del trending topping de las investigaciones, haciendo estudios que nos permiten entender los procesos de cáncer y aplicar estrategias preventivas de base científica con las cuales podamos colaborar para reducir su impacto en la población dominicana y en el mundo.
Este estudio fue publicado en la revista cáncer
Franco, E. F., Rana, P., Cruz, A., Calderón, V. V., Azevedo, V., Ramos, R. T. J., & Ghosh, P. (2021). Performance Comparison of Deep Learning Autoencoders for Cancer Subtype Detection Using Multi-Omics Data. Cancers, 13(9), 2013. MDPI AG. Retrieved from http://dx.doi.org/10.3390/cancers13092013
https://www.mdpi.com/2072-6694/13/9/2013