Información

Base de datos de células cancerosas

Base de datos de células cancerosas


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Estoy buscando una base de datos (o cualquier tipo de fuente de información) de células cancerosas, que tenga información sobre la velocidad de reproducción de estas células, qué tan rápido crecen, etc.

Para poder hacer mi simulación lo más precisa posible, lo más cercana a la realidad posible (estoy trabajando en el desarrollo de un software que simule cómo se propagan las células cancerosas).

Editar

¿Está interesado en las tasas de crecimiento en cultivo o in vivo (por ejemplo, tumores)?

De acuerdo, soy un novato en biología, así que déjame explicarlo así. Estoy usando gráficos de Voronoi para la simulación, así que creo que estoy interesado en el nivel del tumor, cómo interactúa cada célula entre sí y, por lo tanto, qué tan rápido pueden las células cancerosas sobrepoblar las células sanas (u otras cancerosas).


El Instituto Nacional del Cáncer (NCI) tiene una lista de tiempos de duplicación para una variedad de líneas celulares de uso común, consulte https://dtp.cancer.gov/discovery_development/nci-60/cell_list.htm

En mi experiencia, estos tiempos de duplicación son bastante estables / reproducibles, siempre que las células se mantengan en condiciones de cultivo estándar. Si bien los tiempos de duplicación difieren mucho entre las líneas celulares, también son muy diferentes en tamaño, y las células más grandes tienden a tener tiempos de duplicación más largos, por lo que la biomasa La tasa de crecimiento es bastante similar entre líneas.

Nota: estos tiempos de duplicación se refieren a las condiciones del cultivo celular. Tumores reales en vivo crecen mucho más lentamente, debido a la falta de nutrientes, la supresión de las células inmunes, etc. Estimar las tasas de crecimiento celular en los tumores es un asunto mucho más complicado y no conozco ninguna base de datos para eso.


Características de las células cancerosas

Las células cancerosas crecen y se dividen a un ritmo anormalmente rápido, están poco diferenciadas y tienen membranas, proteínas citoesqueléticas y morfología anormales. La anomalía en las células puede ser progresiva con una transición lenta de células normales a tumores benignos a tumores malignos.

En 2000, los biólogos del cáncer Robert Weinberg y Douglas Hanahan publicaron un artículo titulado "Los sellos distintivos del cáncer". [Cell 2000100 (1): 57-70] Aunque reconocieron que los cánceres se producían a través de una serie de mutaciones en cualquiera de muchos genes. A pesar de esto, enumeraron seis alteraciones esenciales en la fisiología celular que caracterizaron la malignidad.

  1. Autosuficiencia en las señales de crecimiento: las células cancerosas adquieren un impulso autónomo de proliferación - mitosis patológica - en virtud de la activación de oncogenes como ras o myc.
  2. Insensibilidad a las señales inhibidoras del crecimiento (anti-crecimiento): las células cancerosas inactivan genes supresores de tumores, como Rb, que normalmente inhiben el crecimiento.
  3. Evasión de la muerte celular programada (apoptosis): las células cancerosas suprimen e inactivan genes y vías que normalmente permiten que las células mueran.
  4. Potencial de replicación ilimitado: las células cancerosas activan vías genéticas específicas que las hacen inmortales incluso después de generaciones de crecimiento.
  5. Angiogénesis sostenida: las células cancerosas adquieren la capacidad de extraer su propio suministro de sangre y vasos sanguíneos: angiogénesis tumoral.
  6. Invasión de tejidos y metástasis: las células cancerosas adquieren la capacidad de migrar a otros órganos, invadir otros tejidos y colonizar estos órganos, lo que resulta en su diseminación por todo el cuerpo.

Contenido & # 1692016. Reservados todos los derechos.
Fecha de última modificación: 4 de mayo de 2016.
Creado por Wayne W. LaMorte, MD, PhD, MPH,


Recursos interactivos para escuelas

Las células rojas de la sangre

Transporta oxígeno en la sangre. También se conocen como eritrocitos.

Vasos sanguineos

Los tubos a través de los cuales se transporta la sangre por el cuerpo, por ejemplo, arterias, venas y capilares.

Quimioterapia

Tratamiento de enfermedades con medicamentos que destruyen las células cancerosas.

Radioterapia

Tratamiento de enfermedades mediante rayos X o sustancias radiactivas que matan células.

Médula ósea

Se encuentra en el centro de los huesos y contiene células madre adultas que se dividen y diferencian para producir glóbulos rojos y blancos.

Neuronas

Células adaptadas para transportar información en forma de impulsos eléctricos.

Hormona

Un mensajero químico producido por una glándula o células particulares del sistema endocrino. Las hormonas se transportan por todo el cuerpo en el torrente sanguíneo, pero producen una respuesta solo en células diana específicas.

Tejido

Grupo de células de un organismo que están especializadas para trabajar juntas para llevar a cabo una función particular.

Hígado

Un órgano grande en la parte superior del abdomen que fabrica, almacena y descompone sustancias según lo requiera el cuerpo.

División celular, mitosis y cáncer

Los organismos multicelulares, como los humanos, están formados por miles de millones de células. Estas células necesitan dividirse y copiarse a sí mismas por diversas razones. Por ejemplo:

  • las células se desgastan y necesitan ser reemplazadas
  • nuevas células permiten que el cuerpo repare el tejido dañado
  • nuevas células permiten que el cuerpo crezca

Mitosis

La forma más común de división celular se llama mitosis. Se utiliza para crecimiento y reparación. Durante la mitosis, una célula hace una copia exacta de sí misma y se divide en dos nuevas células. Cada célula contiene una copia exacta de los cromosomas de la célula original en sus 23 pares. Ésta es la razón por la que todas las células de un organismo son genéticamente idénticas.

Para obtener más información sobre la mitosis, consulte los genes ABPI y el recurso de herencia.

Cáncer: mitosis fuera de control

La mitosis está estrechamente controlada por los genes dentro de cada célula. A veces, este control puede salir mal. Si eso sucede en una sola célula, puede replicarse para crear nuevas células que también están fuera de control. Estas son células cancerosas. Continúan replicándose rápidamente sin los sistemas de control que tienen las células normales. Las células cancerosas formarán bultos o tumores que dañan los tejidos circundantes. A veces, las células cancerosas se desprenden del tumor original y se diseminan en la sangre a otras partes del cuerpo. Cuando un tumor se disemina a otra parte del cuerpo, se dice que ha hecho metástasis. Continúan replicándose y produciendo más tumores. Estos se denominan tumores secundarios.

Los medicamentos que se usan para tratar el cáncer a veces tienen como objetivo matar las células que se dividen rápidamente por mitosis. Inhiben la síntesis o función del ADN; este tipo de tratamiento se llama quimioterapia. Los medicamentos más modernos se dirigen a cánceres específicos de diferentes maneras. Muchos inhiben las señales de crecimiento para ese tipo de célula.

Lucha contra el cáncer: detener el crecimiento de las células tumorales

Hay muchos tipos diferentes de cáncer. Dependen de qué tipo de célula fue la original que comenzó a replicarse sin control. Esto significa que no existe un solo tratamiento para el cáncer. Los tratamientos pueden incluir una combinación de cirugía, medicamentos y radioterapia (radioterapia).

A medida que los investigadores han llegado a comprender mejor los cánceres, se desarrollan constantemente terapias nuevas y dirigidas. Por ejemplo, un tipo de cáncer de mama que está influenciado por la hormona estrógeno puede tratarse con terapia hormonal que bloquea la acción o síntesis de estrógeno. Otros medicamentos pueden bloquear las señales de crecimiento de las células cancerosas y, por lo tanto, retrasar el desarrollo de un tumor o bloquear el crecimiento de nuevos vasos sanguíneos en tumores. Esto efectivamente 'priva de hambre' a las células cancerosas de los nutrientes que necesitan para crecer.

Pregunta 3

La mitosis está involucrada en el crecimiento, reparación y reemplazo de células. No todas las células atraviesan la mitosis a la misma velocidad.

Mire los tipos de células a continuación y decida con qué frecuencia se reemplazan por mitosis. En cada caso, elija una respuesta con los botones de opción.


Las metadatos son bases de datos de bases de datos que recopilan datos sobre datos para generar nuevos datos. Son capaces de fusionar información de diferentes fuentes y ponerla a disposición en una forma nueva y más conveniente, o con énfasis en una enfermedad u organismo en particular. [Metadatabase es un modelo de base de datos para la gestión de metadatos, consulta global de una base de datos independiente y distribuida procesamiento de datos. La palabra metadatabase es una adición al diccionario]. Originalmente, los metadatos eran solo un término común que se refería simplemente a datos sobre datos tales como etiquetas, palabras clave y encabezados de marcado.

    : una base de datos de interacción funcional molecular, que integra información de otros 12 (Centro Nacional de Información Biotecnológica) (Universidad de California, San Diego): integra cientos de recursos relevantes para la neurociencia, muchos de los cuales se enumeran a continuación

Las bases de datos de organismos modelo proporcionan datos biológicos en profundidad para un estudio intensivo.

Bases de datos de ADN Editar

Bases de datos primarias
La base de datos internacional de secuencias de nucleótidos (INSD) consta de las siguientes bases de datos.

DDBJ (Japón), GenBank (EE. UU.) Y European Nucleotide Archive (Europa) son depósitos de datos de secuencias de nucleótidos de todos los organismos. Los tres aceptan envíos de secuencias de nucleótidos y luego intercambian datos nuevos y actualizados a diario para lograr una sincronización óptima entre ellos. Estas tres bases de datos son bases de datos primarias, ya que albergan datos de secuencia originales. Colaboran con Sequence Read Archive (SRA), que archiva lecturas sin procesar de instrumentos de secuenciación de alto rendimiento.

    Base de datos (Herencia mendeliana en el hombre en línea): enfermedades hereditarias: lanzado en enero de 2008. Se analizaron y se pusieron a disposición del público los genomas de más de mil participantes anónimos de diferentes grupos étnicos. un recurso de ortología anotado jerárquicamente, funcional y filogenéticamente basado en 5090 organismos y 2502 virus. Proporciona múltiples alineaciones de secuencia y árboles de máxima verosimilitud, así como una amplia anotación funcional. [4] [5]

Bases de datos de expresión génica (principalmente datos de microarrays)

Estas bases de datos recopilan secuencias del genoma, las anotan y analizan, y brindan acceso público. Algunos agregan la curaduría de literatura experimental para mejorar las anotaciones computarizadas. Estas bases de datos pueden contener genomas de muchas especies o un solo genoma de organismo modelo.

  • ArrayExpress: [6] archivo de datos genómicos funcionales que almacena datos de experimentos genómicos funcionales de alto rendimiento de EMBL: proporciona bases de datos de anotación automática para genomas humanos, de ratón, otros vertebrados y eucariotas: proporciona datos a escala genómica para bacterias, protistas, hongos y plantas e invertebrados metazoos, a través de un conjunto unificado de interfaces interactivas y programáticas (utilizando la plataforma de software Ensembl): genoma del organismo modelo Drosophila melanogaster
  • Gene Expression Omnibus (GEO [7]): un repositorio público de datos genómicos funcionales del Instituto Nacional del Cáncer de EE. UU. (NCI), que admite datos basados ​​en matrices y secuencias. Se proporcionan herramientas para consultar y descargar perfiles de expresión génica. (HPA [8]): una base de datos pública con perfiles de expresión de genes codificadores de proteínas humanas tanto a nivel de ARNm como de proteínas en tejidos, células, compartimentos subcelulares y tumores cancerosos. (LIS): base de datos genómica de la familia de las leguminosas [9]: genomas humanos de 100.000 voluntarios de todo el mundo
  • RGD (Base de datos del genoma de ratas): datos genómicos y fenotípicos de Rattus norvegicus: [10] genoma del organismo modelo de levadura [11] (SoyBase): base de datos genética y genómica de la soja del USDA (Soja): genoma de las especies que causan la malaria (Plasmodium falciparum y otros): genoma del organismo modelo Caenorhabditis elegans y WormBase ParaSite para especies parasitarias: genoma del organismo modelo Xenopus tropicalis y Xenopus laevis: genoma de este organismo modelo de pez

Bases de datos de fenotipos Editar

    : base de datos de interacción patógeno-huésped. Vincula la información genética con la información fenotípica de los patógenos microbianos en sus huéspedes. La información se selecciona manualmente de la literatura revisada por pares.
  • Base de datos del genoma de rata RGD: datos genómicos y fenotípicos para Rattus norvegicus base de datos: datos fenotípicos seleccionados manualmente para la levadura Schizosaccharomyces pombe

Bases de datos de ARN Editar

Bases de datos de secuencias de proteínas Editar

    : base de datos de evidencias experimentales de desorden en proteínas (Indiana University School of Medicine, Temple University, University of Padua): clasifica proteínas en familias y predice la presencia de dominios y sitios: base de datos de anotación de desorden de proteínas intrínsecas (Universidad de Padua): a recurso de conocimiento centrado en proteínas humanas: base de datos de familias de proteínas de alineaciones y HMM (Instituto Sanger): un compendio de huellas dactilares de proteínas de (Universidad de Manchester): base de datos de familias y dominios de proteínas (Centro médico de la Universidad de Georgetown [GUMC]): biblioteca de HMM que representan superfamilias y base de datos de anotaciones (superfamilia y familia) para todos los organismos completamente secuenciados: base de conocimientos de proteínas (Instituto Suizo de Bioinformática): secuencia de proteínas y base de conocimientos (Centro Nacional de Información Biotecnológica)

Bases de datos de estructura de proteínas Editar

    (AP), que comprende:
    • Protein DataBank en Europa (PDBe) [12]
    • ProteinDatabank en Japón (PDBj) [13]
    • Colaborador de investigación para la bioinformática estructural (RCSB) [14]

    Para obtener más bases de datos de estructura de proteínas, consulte también Base de datos de estructura de proteínas.


    Biología del cáncer

    Bienvenido al departamento de Biología del Cáncer del MD Anderson. Nuestro departamento tiene una larga trayectoria como líder en el campo de la investigación básica y traslacional de la biología del cáncer. El departamento enfatiza la capacitación de estudiantes, becarios postdoctorales y becarios clínicos en los fundamentos de la biología tumoral para mejorar los resultados de los pacientes con neoplasias malignas. El departamento ha creado un programa con vínculos estrechos con muchos departamentos clínicos para facilitar el intercambio de información entre el laboratorio y la clínica. Como tal, los profesores del departamento son investigadores que reciben subvenciones de investigación colaborativa en biología del cáncer financiadas por los NIH [“Programas especializados de excelencia en investigación” (SPOREs)]. Además, hay varios médicos-científicos que tienen citas conjuntas en Biología del Cáncer, lo que facilita el intercambio de información clínicamente relevante entre el laboratorio y la clínica.

    El departamento de Biología del Cáncer también actúa como el departamento "ancla" del Centro de Investigación de Metástasis, un programa integrado que involucra a investigadores de todo el MD Anderson. Uno de los miembros de nuestra facultad tiene un laboratorio en el Smith Research Building, donde numerosas instalaciones centrales (vivero, núcleo de microscopio electrónico, etc.) están a disposición del investigador. Junto con el Centro de Investigación de Metástasis, el departamento de investigación de Biología del Cáncer lleva a cabo una serie de seminarios semanales donde investigadores reconocidos a nivel nacional e internacional brindan conferencias formales, y los docentes y los aprendices presentan datos en progreso. El departamento también patrocina cienciaChat, una charla en “pizarra” que presenta historias de la trayectoria profesional y la búsqueda científica de nuestros distinguidos oradores. El “Smith Lectureship”, patrocinado por el departamento y el Metastasis Research Center, es una conferencia anual que destaca el trabajo de líderes reconocidos internacionalmente en el campo de la investigación en biología del cáncer.

    Además de su investigación en biología del cáncer, la facultad se dedica a educar y capacitar a la próxima generación de investigadores de cáncer de primer nivel y a marcar una diferencia en la vida de los pacientes con cáncer. Los estudiantes graduados y los becarios posdoctorales juegan un papel vital en las actividades departamentales y muchos miembros de la facultad han ganado premios de enseñanza de la Escuela de Graduados en Ciencias Biomédicas.

    Los investigadores del departamento de Biología del Cáncer se centran en varias áreas de investigación y sitios de órganos afectados por el cáncer.


    Revisión anual de la biología del cáncer

    Publicación 2020 de informes de citas de revistas

    La edición 2020 de Journal Citation Reports® (JCR) publicado por Clarivate Analytics proporciona una combinación de métricas de impacto e influencia de los datos de origen de Web of Science de 2019. Esta medida proporciona una proporción de citas de una revista en un año determinado con respecto a los elementos citables en los dos años anteriores.

    Descargue los rankings JCR de la edición 2020 de las Reseñas Anuales en formato Excel.

    Revisión anual de: Rango nombre de la categoría Revistas clasificadas en la categoría Factor de impacto Vida media citada Índice de inmediatez
    Química analítica 6 Química, Analítica 86 7.023 7.1 2.042
    Química analítica3Espectroscopia427.0237.12.042
    Biociencias animales2Zoología1686.0914.13.125
    Biociencias animales17Biotecnología y microbiología aplicada1566.0914.13.125
    Biociencias animales1Agricultura, lácteos y ciencias animales636.0914.13.125
    Biociencias animales2Ciencia veterinaria1426.0914.13.125
    Antropología6Antropología903.17515.60.240
    Astronomía y Astrofísica1Astronomía y Astrofísica6832.96310.85.133
    Bioquímica3Bioquímica y Biología Molecular29725.78712.34.933
    Ingeniería Biomédica2Ingeniería Biomédica8715.5419.01.524
    Biofísica3Biofísica7111.6856.63.130
    Biología del cáncer53Oncología2445.4132.02.826
    Biología celular y del desarrollo13Biología Celular19514.66710.50.552
    Biología celular y del desarrollo1Biología del desarrollo4114.66710.50.552
    Ingeniería química y biomolecular1Química aplicada719.5615.60.941
    Ingeniería química y biomolecular5Ingeniería, Química1439.5615.60.941
    Psicología clínica1Psicología, Clínica (Ciencias Sociales)13113.6927.93.304
    Psicología clínica4Psicología (ciencia)7713.6927.93.304
    Física de la Materia Condensada6Física, materia condensada6914.8334.97.273
    Criminología1Criminología y Penología696.3481.40.955
    Ciencias de la Tierra y Planetarias4Geociencias, multidisciplinar2009.08914.22.727
    Ciencias de la Tierra y Planetarias5Astronomía y Astrofísica689.08914.22.727
    Ecología, evolución y sistemática2Biología evolucionaria5014.04117.40.440
    Ecología, evolución y sistemática2Ecología16814.04117.40.440
    Ciencias económicas39Ciencias económicas3713.5916.40.686
    Entomología1Entomología10113.79614.34.762
    Medio Ambiente y Recursos5Estudios ambientales (ciencias sociales)1238.0659.60.563
    Medio Ambiente y Recursos14Ciencias ambientales (ciencia)2658.0659.60.563
    Economía Financiera36Financiación de las empresas1082.0577.00.167
    Economía Financiera107Ciencias económicas3712.0577.00.167
    Mecánica de fluidos1Física, fluidos y plasmas3416.30615.49.190
    Mecánica de fluidos1Mecánica13616.30615.49.190
    Ciencia y Tecnología de los Alimentos3Ciencia de los alimentos y tecnología amp1398.9605.22.615
    Genética5Genética y herencia17711.14610.80.500
    Genómica y genética humana15Genética y herencia1777.2439.10.955
    Inmunología4Inmunología15819.90010.75.875
    Derecho y Ciencias Sociales18Ley1542.5887.70.233
    Derecho y Ciencias Sociales20Sociología1502.5887.70.233
    Lingüística23Lingüística1872.0263.31.000
    ciencia Marina2Geoquímica y geofísica amp8516.3596.67.050
    ciencia Marina1Biología marina y de agua dulce10616.3596.67.050
    ciencia Marina1Oceanografía6616.3596.67.050
    Investigación de materiales19Ciencia de los materiales, multidisciplinar31412.53110.62.267
    Medicamento6Medicina, Investigación y Experimental1389.7168.63.829
    Microbiología9Microbiología13511.00013.70.967
    Neurociencia9Neurociencias27112.54713.62.130
    Ciencia nuclear y de partículas2Física, Nuclear198.7789.81.000
    Ciencia nuclear y de partículas3Física, partículas y campos298.7789.81.000
    Nutrición2Nutrición y dietética8910.89714.20.714
    Psicología organizacional y comportamiento organizacional2Psicología aplicada8410.9234.41.222
    Psicología organizacional y comportamiento organizacional2Gestión22610.9234.41.222
    Patología: mecanismos de enfermedad1Patología7816.7507.26.500
    Farmacología y toxicología1Toxicología9211.25011.45.793
    Farmacología y toxicología5Farmacología y farmacia amp27011.25011.45.793
    Química Física19Química, Física15910.63812.13.667
    Fisiología2Fisiología8119.55611.14.769
    Fitopatología4Ciencias Vegetales23412.62312.70.478
    Biología Vegetal1Ciencias Vegetales23419.54013.04.586
    Ciencias Políticas8Ciencias Políticas1804.00011.30.750
    Psicología2Psicología (ciencia)7718.15612.36.367
    Psicología3Psicología, Multidisciplinar (Ciencias Sociales)13818.15612.36.367
    Salud pública2Ocupación pública, ambiental y amp. Salud (Ciencias Sociales)17016.4639.53.880
    Salud pública3Ocupación pública, ambiental y amp. Ciencia de la salud)19316.4639.53.880
    Economía de los recursos70Ciencias económicas3712.7455.80.167
    Economía de los recursos48Estudios ambientales (ciencias sociales)1162.7455.80.167
    Economía de los recursos4Economía y política agrícolas (ciencia)212.7455.80.167
    Sociología 1Sociología1506.40017.70.767
    Estadísticas y su aplicación4Matemáticas, aplicaciones interdisciplinarias1065.0953.21.350
    Estadísticas y su aplicación2Estadística y probabilidad1245.0953.21.350
    Virología2Virología378.0213.61.172
    Ciencia de la visión34Neurociencias2715.8973.40.391
    Ciencia de la visión5Oftalmología605.8973.40.391

    OBJETIVOS Y ALCANCE DE LA REVISTA: los Revisión anual de la biología del cáncer revisa una variedad de temas en la investigación del cáncer que representan áreas importantes y emergentes en el campo. Con los avances recientes en nuestra comprensión de los mecanismos básicos del desarrollo del cáncer y la traducción de un número creciente de estos hallazgos en la clínica en forma de tratamientos dirigidos para la enfermedad, el Revisión anual de la biología del cáncer se divide en tres grandes temas: biología de células cancerosas, tumorigénesis y progresión del cáncer y ciencia traslacional del cáncer. El Volumen 4 (2020) se ha convertido de acceso cerrado a abierto a través de Revisiones anuales y rsquo Subscribe to Open program, con todos los artículos publicados bajo una licencia CC BY. Los volúmenes anteriores, que datan de 2017, ahora están disponibles gratuitamente.


    En el horizonte

    Muchas de las herramientas necesarias para crear modelos de aprendizaje profundo están disponibles gratuitamente en línea, incluidas bibliotecas de software y marcos de codificación como TensorFlow, Pytorch, Keras y Caffe. Los investigadores que deseen hacer preguntas y pensar en soluciones a los problemas que surgen con las herramientas de análisis de imágenes pueden hacer uso de un recurso en línea llamado Foro de imágenes de la comunidad científica. También están disponibles los repositorios que permiten a los investigadores encontrar y reutilizar modelos de aprendizaje profundo para tareas relacionadas, un proceso llamado aprendizaje de transferencia. Un ejemplo es Kipoi, que permite a los investigadores buscar y explorar más de 2000 modelos listos para usar entrenados para tareas como predecir cómo las proteínas conocidas como factores de transcripción se unirán al ADN, o dónde es probable que las enzimas empalmen el código genético.

    Trabajando con otros desarrolladores de herramientas, el equipo de Lundberg armó un 'zoológico modelo' rudimentario (https://bioimage.io) para compartir rápidamente sus modelos de Atlas de proteínas humanas, y ahora está creando un repositorio más sofisticado que será útil para los productores de modelos y usuarios no expertos por igual.

    Una plataforma llamada ImJoy será parte de este esfuerzo, dice Lundberg. Creada por Wei Ouyang, una postdoctora en su laboratorio, la plataforma permite a los investigadores probar y ejecutar modelos de IA a través de un navegador web en su computadora, en la nube o en un teléfono. Compartir conjuntos de datos de bioimagen y modelos de aprendizaje profundo también será una prioridad para el Center for Open Bioimage Analysis, un esfuerzo financiado por el gobierno de EE. UU. Y dirigido por Carpenter y Kevin Eliceiri, bioingeniero de la Universidad de Wisconsin-Madison.

    Otra opción, ZeroCostDL4Mic, se lanzó el mes pasado. ZeroCostDL4Mic, desarrollado por el biofísico Ricardo Henriques del University College London, utiliza Colab, el servicio gratuito en la nube de Google para desarrolladores de inteligencia artificial, para brindar acceso a varias herramientas populares de microscopía de aprendizaje profundo, incluida la que Jacquemet usa para automatizar el etiquetado de núcleos celulares en sus películas. . “Todo lo que necesita se instala en un par de minutos”, explica Jacquemet. Con unos pocos clics del mouse, los usuarios pueden usar datos de ejemplo para entrenar una red neuronal para completar la tarea deseada (ver "Se buscan: más datos"), luego aplicar esa red a sus propios datos, todo sin necesidad de codificar.

    Se busca: más datos

    Los modelos de aprendizaje profundo pueden procesar datos sin procesar, pero primero deben entrenarse con información anotada.

    Se necesitan grandes cantidades de datos etiquetados para entrenar modelos de aprendizaje profundo. Pero eso no siempre es fácil de conseguir, dice Casey Greene, biólogo computacional de la Universidad de Pensilvania en Filadelfia. "Los datos son baratos, pero los datos etiquetados son caros".

    En el ámbito de la genómica, las secuencias son abundantes y están disponibles públicamente. Pero sus descripciones asociadas, o metadatos, a menudo faltan, son incorrectas o no están estandarizadas, dice Emily Flynn, candidata a doctorado en informática biomédica en la Universidad de Stanford en California. Un investigador que desee entrenar un modelo para detectar cáncer de pulmón de células no pequeñas en muestras de pacientes, por ejemplo, podría encontrar conjuntos de datos etiquetados de diversas formas como 'nsclc', 'células no pequeñas' o 'LC de células no pequeñas': diferencias que confunden las herramientas de análisis. O las muestras podrían etiquetarse como "enfermedad: glioblastoma" y "enfermedad: sí", dice el bioestadístico Colin Dewey de la Universidad de Wisconsin-Madison.

    Para ayudar a organizar esos datos, Dewey creó una canalización computacional llamada MetaSRA, que utiliza técnicas de minería de texto para estandarizar y almacenar metadatos en secuencias públicas. Y Greene y sus colegas han creado refine.bio, un repositorio que armoniza los datos sobre la expresión y la secuenciación de ARN. Trabajando con el bioingeniero de Stanford Russ Altman, Flynn está utilizando técnicas de aprendizaje automático para inferir etiquetas faltantes a partir de datos de expresión genética para mejorar las anotaciones en refine.bio.

    En la bioimagen, el problema radica más en la anotación. Para etiquetar un conjunto de diapositivas de histopatología, por ejemplo, “alguien tiene que entrar y dibujar un cuadro delimitador alrededor de las partes que son cancerosas”, dice Greene. "Y esa persona probablemente gana mucho dinero". Ahora los desarrolladores están entrenando algoritmos de aprendizaje profundo para etiquetar núcleos y otras estructuras en imágenes de células, mientras que Image Data Resource y otros repositorios en línea facilitan que los investigadores compartan y encuentren imágenes de ciencias de la vida.

    Es posible que los investigadores que deseen utilizar conjuntos de datos más grandes o entrenar modelos más complejos deban comprar o acceder a recursos informáticos adicionales más allá del servicio gratuito de Google.

    Al facilitar el camino para que los biólogos con escasos conocimientos y recursos utilicen el aprendizaje profundo, dice Henriques, ZeroCostDL4Mic actúa como "un fármaco de entrada" para la IA, lo que atrae a los investigadores a explorar el software subyacente a estas herramientas que continuarán transformando la investigación en cáncer y más allá de.

    Naturaleza 580, 551-553 (2020)


    INTRODUCCIÓN

    El cáncer humano es una enfermedad muy diversa y compleja compuesta por células cancerosas con distintos estados genéticos, epigenéticos y transcripcionales, que forman poblaciones funcionales heterogéneas de células cancerosas, lo que representa un obstáculo importante para el diagnóstico y tratamiento del cáncer (1-4). Algunas células cancerosas tienen una alta actividad de proliferación celular, algunas tienen agresividad tumoral y capacidad de metástasis, algunas muestran propiedades similares a las de las células madre, mientras que otras exhiben un estado de inactividad "perezoso" (5-7). Estas células cancerosas funcionalmente heterogéneas actúan de forma cooperativa o competitiva durante toda la evolución del tumor, lo que da lugar a distintos fenotipos tumorales (8-10). Por tanto, es fundamental decodificar de forma completa y adecuada los estados funcionales de las células cancerosas.

    Las tecnologías basadas en secuenciación unicelular abren nuevas vías para explorar ecosistemas complejos, especialmente cánceres, revolucionando la ciencia del organismo completo (11). Brinda una oportunidad sin precedentes para descifrar los estados funcionales de las células cancerosas en la resolución de una sola célula, lo que permite a los investigadores explorar de manera precisa e imparcial la heterogeneidad funcional de las células cancerosas y profundizar la comprensión de las células cancerosas como una unidad funcional para realizar funciones biológicas específicas. en el inicio y progresión del cáncer. En 2014, un estudio pionero del glioblastoma utilizó la secuenciación de ARN unicelular (scRNA-seq) para descubrir una heterogeneidad previamente inesperada en estados funcionales relacionados con el cáncer, como el tallo, la proliferación y la hipoxia (5). Perfilado de 4347 células individuales de seis oligodendrogliomas humanos mediante scRNA-seq, Tirosh et al. encontraron que estas células individuales exhibían una heterogeneidad generalizada en el tallo y la diferenciación, y revelaron que unas pocas células cancerosas con un alto tallo pueden actuar como células madre cancerosas para impulsar el crecimiento del cáncer (12). Y un estudio sobre la leucemia mieloide crónica reveló que las células con diferentes actividades de inactividad, proliferación y tallo tienen una sensibilidad diferente a los tratamientos con inhibidores de la tirosina quinasa (TKI), lo que conduce a recaídas frecuentes de esta enfermedad (6).

    El rápido desarrollo de scRNA-seq conduce a la acumulación acelerada de una gran cantidad de conjuntos de datos de scRNA-seq, y recientemente se han desarrollado varias bases de datos relacionadas. Por ejemplo, SCPortalen recopiló y anotó conjuntos de datos de scRNA-seq en humanos y ratones, y proporcionó tablas de expresión procesadas mediante una canalización para la descarga (13). JingleBells proporcionó archivos BAM de conjuntos de datos de scRNA-seq relacionados con el sistema inmunológico para la visualización de lecturas (14). scRNASeqDB recopiló conjuntos de datos de transcriptomas de células individuales humanas y ayuda a los investigadores a consultar y visualizar la expresión génica en células individuales humanas (15). Sin embargo, todos ellos se centraron en recopilar conjuntos de datos de scRNA-seq, todavía falta una base de datos dedicada a descifrar los estados funcionales de las células cancerosas individuales.

    Por lo tanto, desarrollamos CancerSEA, una base de datos dedicada que tiene como objetivo decodificar de manera integral los distintos estados funcionales de las células cancerosas a nivel de una sola célula. A julio de 2018, la base de datos contiene 41 900 células cancerosas individuales en 25 cánceres humanos con 14 estados funcionales relacionados con el cáncer curados manualmente (que incluyen madre, invasión, metástasis, proliferación, EMT, angiogénesis, apoptosis, ciclo celular, diferenciación, daño del ADN, Reparación del ADN, hipoxia, inflamación y quiescencia). Al caracterizar estas actividades de estado funcional de cada célula cancerosa, CancerSEA proporciona un atlas de estados funcionales unicelulares del cáncer y asocia genes codificadores de proteínas (PCG) y lncRNA con estos estados funcionales a nivel unicelular para promover la comprensión mecanicista de las diferencias funcionales de Células cancerígenas. Esperamos que esta elaborada base de datos pueda servir como un recurso importante y valioso para facilitar la exploración de la heterogeneidad tumoral.


    Abstracto

    El cáncer en el sentido más amplio se refiere a más de 277 tipos diferentes de enfermedades cancerosas. Los científicos han identificado diferentes etapas de los cánceres, lo que indica que varias mutaciones genéticas están involucradas en la patogénesis del cáncer. Estas mutaciones genéticas conducen a una proliferación celular anormal. Los trastornos genéticos causados ​​por factores hereditarios o hereditarios tienen un papel fundamental en el aumento del crecimiento celular. Con la ayuda de los avances tecnológicos en bioinformática y técnicas moleculares, se ha obtenido información adicional que puede ser útil para el diagnóstico precoz y el tratamiento adecuado. Los efectos de los medicamentos en pacientes con cáncer pueden predecir e incluso controlar algunos aspectos de los efectos secundarios. En los últimos años se han detectado mecanismos de carcinogénesis mediante estudios de genética molecular. Los resultados de estos estudios llevaron a una mejor comprensión del papel de los trastornos genéticos en la formación del cáncer. En este estudio, nuestro objetivo fue revisar los aspectos moleculares del cáncer.


    División celular y riesgo de cáncer

    Esta actividad guía el análisis de una figura científica publicada a partir de un estudio que investigó cómo las mutaciones aleatorias durante la división celular pueden contribuir al cáncer.

    Los factores hereditarios y ambientales explican solo una fracción del riesgo general de cáncer. En este estudio, los investigadores investigaron cómo un tercer factor, las mutaciones fortuitas durante la división de células madre y la replicación del ADN, pueden contribuir a las tasas de cáncer de varios tejidos corporales. La figura compara cuántas veces las células madre se dividen en diferentes tejidos con los riesgos de por vida de desarrollar cáncer en esos tejidos. El documento “Materiales para el educador” incluye una figura con subtítulos, información de antecedentes, interpretación de gráficos y preguntas para la discusión. El “Folleto para el estudiante” incluye una figura subtitulada e información de fondo.

    El vínculo "Carpeta de recursos de Google" dirige a una carpeta de Google Drive de documentos de recursos en el formato de Google Docs. Es posible que no todos los documentos descargables del recurso estén disponibles en este formato. La carpeta de Google Drive está configurada como "Solo ver" para guardar una copia de un documento en esta carpeta en su Google Drive, abra ese documento y luego seleccione Archivo → "Hacer una copia". Estos documentos se pueden copiar, modificar y distribuir en línea siguiendo los Términos de uso que se enumeran en la sección "Detalles" a continuación, incluida la acreditación de BioInteractive.

    Objetivos de aprendizaje de los estudiantes
    • Analizar e interpretar datos de una figura científica.
    • Describe cómo la división celular puede contribuir al riesgo de cáncer en los tejidos corporales.
    Detalles

    carcinoma, correlación, escala logarítmica, mutación, sarcoma, diagrama de dispersión, tejido, tumor

    Tomasetti, Cristian y Bert Vogelstein. "La variación en el riesgo de cáncer entre los tejidos puede explicarse por el número de divisiones de células madre". Ciencias 347, 6217 (2015): 78–81. https://doi.org/10.1126/science.1260825.

    Para acceder a este artículo, configure una cuenta AAAS gratuita. También está disponible una versión anotada del artículo en Science in the Classroom.

    Consulte los Términos de uso para obtener información sobre cómo se puede utilizar este recurso.