Uso de listas de genes expresados diferencialmente en humanos para realizar análisis de enriquecimiento de vías posteriores y priorización de objetivos
3 de octubre de 2025
El trabajo actual describe un protocolo para ejecutar el algoritmo Pathway2Targets, un script R que predice y prioriza objetivos terapéuticos basados en el perfil de las vías de señalización intracelular generadas al comparar muestras de casos versus muestras de control de un experimento de secuenciación de ARN a granel.
El objetivo de nuestra investigación es caracterizar la respuesta transcripcional intracelular a diversas afecciones y predecir la terapéutica y los marcadores mecanicistas o diagnósticos para esas afecciones. La predicción computacional da candidatos de fármacos. La validación de los efectos de los medicamentos requiere recursos y tiempo.
Sin embargo, el método incidental solo podría mejorar con datos experimentales de alta calidad. La ventaja de este trabajo es su capacidad para identificar posibles dianas farmacológicas para su reutilización dentro de una vía de señalización en lugar de limitarse a hacer coincidir los genes expresados diferencialmente con las dianas conocidas. Para ejecutar el algoritmo de enriquecimiento de rutas SPIA, primero descargue el código en el sistema informático desde GitHub.
Abra el SPIA_Code. Script R MD en RStudio. Seleccione todas las líneas de código y, a continuación, haga clic en el botón Ejecutar o Ejecutar líneas seleccionadas para ejecutar el script.
Espere a que se complete la ejecución y compruebe que aparece un archivo csv con un nombre similar en el directorio Download. Abra el archivo como una hoja de cálculo para revisar e interpretar manualmente los resultados. Para ejecutar el algoritmo de priorización de destinos, abra Pathway2Targets.
R script en RStudio seleccionando el menú Archivo y haciendo clic en Abrir archivo, luego elija el nombre del script en el directorio. En la ventana de código RStudio, vaya a la línea 22 y reemplace el marcador de posición por el nombre real del archivo de resultados de SPIA. Seleccione todas las líneas de código y haga clic en el botón Ejecutar para ejecutar el algoritmo.
Observe los mensajes de progreso en tiempo real que aparecen en el panel inferior izquierdo de la pantalla. Una vez completado, compruebe el directorio Download para ver si hay un archivo tsv con un nombre similar, que contiene los destinos priorizados. Después de generar el archivo con los objetivos priorizados y sus métricas, ábralo en una aplicación de hoja de cálculo para revisarlo.
El algoritmo SPIA identificó 10 vías de señalización estadísticamente significativas con un valor p no ajustado inferior a 0,05. El algoritmo Pathway2Targets identificó varios objetivos predichos. Los objetivos terapéuticos previstos fueron consistentes tanto en los objetivos clasificados como en los resultados de los tratamientos clasificados, incluidos los genes conocidos relacionados con el cáncer colorrectal, como EGFR, TP53 y AKT1.
Vea la transcripción completa y acceda a miles de videos científicos
Descripción general
Este estudio se centra en caracterizar la respuesta transcripcional intracelular bajo diversas condiciones y tiene como objetivo predecir dianas terapéuticas y marcadores diagnósticos. Mediante el uso del algoritmo Pathway2Targets, la investigación identifica dianas farmacológicas potenciales para el cáncer colorrectal mediante el análisis de datos de secuenciación de ARN en masa.
Componentes Clave del Estudio
Área de Investigación
- Predicción de dianas para intervenciones terapéuticas
- Perfilado transcripcional de respuestas intracelulares
- Investigación sobre cáncer colorrectal
Antecedentes
- La necesidad de datos experimentales de alta calidad para mejorar las predicciones
- Dificultades para validar los efectos de los fármacos
- Ventaja de identificar dianas farmacológicas dentro de las vías de señalización
Métodos Utilizados
- Algoritmo Pathway2Targets para la priorización de dianas
- Datos de secuenciación masiva de RNA
- Programación en R para el análisis de datos
Resultados Principales
- Identificación de vías de señalización estadísticamente significativas
- Múltiples dianas terapéuticas predichas consistentes entre las salidas
- Los genes clave identificados incluyen EGFR, TP53 y AKT1
Conclusiones
- El estudio demuestra un enfoque novedoso para la reutilización de fármacos dentro de las vías de señalización
- La investigación es relevante para mejorar las estrategias terapéuticas contra el cáncer colorrectal
Preguntas frecuentes
Relevancia Ejecutiva para la Industria
La integración del secuenciamiento de ARN con algoritmos de enriquecimiento de vías y de priorización de objetivos permite a los equipos biofarmacéuticos identificar y clasificar sistemáticamente objetivos fármacológicos dentro de redes de señalización relevantes para la enfermedad. Este enfoque mejora la confianza predictiva en la etapa de validación de objetivos y apoya decisiones de cartera ajustadas al riesgo, centrándose en el contexto mecanicista en lugar de en hits genéticos aislados. Las salidas de la canalización informan directamente sobre el triaje temprano del descubrimiento y sobre estrategias traslacionales posteriores.
Aplicaciones Estratégicas en I+D de Biotecnología Farmacéutica
Descubrimiento Temprano y Validación de Blancos
- Permite la reducción de riesgos mecanicistas al asignar genes diferencialmente expresados a vías de señalización funcionales.
- Apoya la validación funcional de objetivos mediante un análisis centrado en vías, en lugar de centrarse en un solo gen.
- Mejora la confianza predictiva en la selección de objetivos al integrar redes de interacción proteína-proteína.
- Facilita la clasificación de carteras al ordenar los objetivos según su impacto en las vías y sus puntajes de farmacología.
Desarrollo de Cribado y Ensayos
- Prepara listas validadas de genes y vías para flujos de trabajo de desarrollo de ensayos posteriores.
- Normaliza las entradas para campañas de cribado al proporcionar objetivos clasificados y mecanísticamente relevantes.
- Permite la priorización reproducible y cuantitativa de objetivos candidatos para ensayos funcionales.
- Facilita la evaluación escalable de interacciones entre compuestos y objetivos dentro de las vías priorizadas.
Investigación Traductiva y Preclínica
- Alinea la priorización de objetivos con firmas transcripcionales relevantes para la enfermedad, garantizando continuidad traslacional.
- Facilita el descubrimiento de biomarcadores al vincular perturbaciones en vías con hipótesis terapéuticas.
- Apoya decisiones de avance ajustadas al riesgo mediante la integración de evidencia a nivel de vías y dianas.
- Proporciona un contexto mecanicista para la selección y validación de modelos preclínicos.
Integración de la tubería y flujo de trabajo
Esta tubería computacional conecta el descubrimiento inicial y la investigación traslacional al transformar datos de RNA-seq en información útil sobre dianas y vías metabólicas.
- Biología del Descubrimiento: Permite la comprobación de hipótesis y la aclaración de vías mediante el análisis de expresión diferencial y SPIA.
- Cribado: Proporciona listas de dianas clasificadas adecuadas para el desarrollo de ensayos y cribado de compuestos.
- Análisis: Ofrece resultados cuantitativos y umbrales estadísticos (por ejemplo, p < 0,05) para una toma de decisiones robusta.
- Investigación Traducional: Conecta los cambios en la expresión génica con vías relevantes para enfermedades y dianas terapéuticas.
- Reutilización Empresarial: Ofrece un flujo de trabajo computacional reutilizable adaptable a diversos contextos de enfermedades y conjuntos de datos.
Impacto Operativo y Empresarial
- Valor científico: Aumenta la confianza predictiva y reduce la ambigüedad mecanicista en la selección de dianas.
- Valor operativo: Estandariza y automatiza la priorización de vías y dianas para flujos de trabajo de I+D escalables.
- Valor estratégico: Permite tomar decisiones informadas de avance/no avance y una gestión eficiente del portafolio en función del capital.
- Impacto en el portafolio: Apoya la priorización ajustada al riesgo y el avance de dianas con alta confianza.
Consideraciones de Implementación
- Requiere experiencia en biología computacional y análisis de datos de RNA-seq.
- Depende del acceso al entorno de programación R y a los paquetes de software pertinentes.
- Necesita estandarización entre equipos para los formatos de datos de entrada y la interpretación de los resultados clasificados.
- Adaptable a diversos modelos de enfermedades, pero sensible a la complejidad de las vías y a la densidad de los objetivos.
- Las limitaciones prácticas incluyen el tiempo de cómputo y la necesidad de datos de entrada de alta calidad.
