La vida es más que un sueño

desafío SUEÑO utiliza multitud de abastecimiento para probar el estado de la técnica en los sistemas de la biomedicina

Laboratorio Europeo de Biología Molecular

Los resultados de un Desafío 2013 SUEÑO - una iniciativa de crowdsourcing para los sistemas de biomedicina - Se han publicado enNature Biotecnología;

Cientos de científicos de todo el mundo unieron sus esfuerzos para poner a prueba la precisión con la que podían predecir el efecto de los compuestos tóxicos en diferentes individuos, o en una población;

Los resultados combinados lograron una estimación aproximada de los efectos de la población, y los métodos que surgieron pueden ser capaces de proporcionar un beneficio del mundo real en las evaluaciones del peligro de nuevos compuestos.

10 de agosto de el año 2015 - Un estudio internacional publicado enNature Biotechnologypresents los resultados combinados de un Desafío 2013 SUEÑO: una iniciativa de crowdsourcing para probar qué tan bien los efectos de un compuesto tóxico se pueden predecir en diferentes personas. El estudio, que es relevante para la salud pública y ocupacional, muestra que los métodos computacionales se pueden utilizar para predecir algunos efectos tóxicos sobre las poblaciones, a pesar de que todavía no son lo suficientemente sensibles para predecir tales efectos en los individuos. También se presentan algoritmos útiles para la evaluación del riesgo ambiental.

Si pudiéramos usar computadoras para predecir si un compuesto tendría un efecto tóxico en las personas, las pruebas de seguridad química sería mucho más simple. En un desafío basado en la comunidad dirigido y organizado por científicos del EMBL-EBI, Sage Bionetworks, IBM, la Universidad de Carolina del Norte, y el Instituto Nacional del NIH de Ciencias de la Salud Ambiental (NIEHS) y el Centro Nacional para el Avance de Ciencias de transferencia (NCATS), cientos de biólogos computacionales de todo el mundo probaron suerte en la predicción de la toxicidad de los compuestos que tenían ambientales potenciales efectos adversos para la salud.

Los organizadores utilizaron 884 líneas celulares linfoblásticas que tenían SNP y expresión de genes de datos disponibles a través del Proyecto 1000 Genomas. Midieron la toxicidad celular de 156 compuestos en estas líneas celulares, lo que representó individuos de nueve subpoblaciones en toda Europa, África, Asia y América. A los participantes se enfrentan al reto de desarrollar algoritmos que pueden predecir la respuesta tóxica en diferentes individuos y entre poblaciones, todos basados ??en los atributos estructurales de los compuestos.

"Nuestros socios en los EE.UU. tomaron 1000 líneas celulares Proyecto Genoma y los trataron con diferentes compuestos, así que sabíamos qué compuesto tenía un efecto tóxico para cada línea celular", explica Julio Saez-Rodríguez, líder de grupo anterior de Investigación en el EMBL-EBI ahora en Universidad RTWH Aquisgrán. "Así que queríamos saber, se puede predecir que? Para un compuesto dado, ¿cómo va a afectar a las personas? Para una persona determinada, lo que los compuestos van a ser sensibles a? Esto es muy importante para cosas como la fabricación, donde las personas pueden estar expuestas a un nuevo compuesto que no ha sido probado todavía ".

Decenas de equipos presentaron 179 predicciones basadas en modelos de cálculo del estado de la técnica, y los organizadores de los compararon con los resultados experimentales. En la gran tradición de multitud de abastecimiento en la bioinformática, los organizadores integraron los resultados, tomando lo mejor de cada uno y la formación de una nueva herramienta para predecir la toxicidad.

Las predicciones fueron ligeramente mejor que el azar de los individuos, pero los resultados combinados podían predecir más o menos la respuesta a nivel de población de diferentes compuestos. Sin embargo, es necesario mejorar la exactitud antes de que sea posible predecir los riesgos para la salud asociados con compuestos desconocidos con precisión.

Uno de los beneficios clave del estudio es que ofrece nuevas metodologías para mejoras en algunas áreas de evaluación de peligros y evaluación.

"Esta asociación y el desafío ofrecen una manera de proporcionar a la vez potente y conocimientos científicos impacto en la salud pública significativa mediante la aceleración del ritmo de los ensayos de toxicidad", dice Allen Dearry, Director de la Oficina de Gestión de la Información NIEHS Científico. "Los modelos computacionales ganadores proporcionan avances significativos en nuestra capacidad para predecir el riesgo de toxicidad de los productos químicos ambientales y sentar las bases para futuros desafíos basados ??en datos y competiciones en ciencias de la salud del medio ambiente."

"La capacidad de los mejores equipos para predecir la toxicidad a nivel de población para los compuestos desconocidos - sobre la base de similitudes en la estructura química de los compuestos conocidos - superó con creces nuestras expectativas", dice Lara Mangravite, Director de Sistemas de Biología en Sage Bionetworks. "Este fue un verdadero caso en el crowdsourcing las respuestas de problemas siempre que de otro modo nunca se han encontrado."

"Hemos tenido cientos de personas de todo el mundo que participan, de los laboratorios de prestigio a las personas que ni siquiera trabajan en biología", dice Federica Eduati, que llevaron a cabo los análisis y es un becario postdoctoral interdisciplinario EMBL (EIPOD) en EMBL- EBI. "No es necesario estar en un instituto de primer nivel para jugar con gran datos - si tienes una buena idea, puedes hacerlo tú."