La medicina en red es la aplicación de la ciencia en red para identificar, prevenir y tratar enfermedades. Este campo se centra en el uso de la topología de la red y la dinámica de la red para identificar enfermedades y desarrollar medicamentos. Las redes biológicas , como las interacciones proteína-proteína y las vías metabólicas , son utilizadas por la medicina de redes. Las redes de enfermedades , que mapean las relaciones entre las enfermedades y los factores biológicos, también juegan un papel importante en el campo. La epidemiología también se estudia extensamente utilizando la ciencia de redes; redes sociales y redes de transportese utilizan para modelar la propagación de enfermedades entre poblaciones. La medicina de red es un área de biología de sistemas centrada en la medicina . Puede encontrar una breve introducción al campo aquí: https://web.uniroma1.it/stitch/node/5613 .
Fondo
El término "medicina en red" fue acuñado y popularizado en un artículo científico de Albert-László Barabási llamado "Medicina en red - De la obesidad al" Enfermedad ", publicado en The New England Journal of Medicine, en 2007. Barabási afirma que los sistemas biológicos , De manera similar a los sistemas sociales y tecnológicos, contienen muchos componentes que están conectados en relaciones complicadas pero están organizados por principios simples. Usando el desarrollo reciente de la teoría de redes , [1] los principios de organización pueden ser analizados de manera integral representando los sistemas como redes complejas , que son colecciones de nodos enlazados entre sí por una relación particular. Para las redes pertenecientes a la medicina, los nodos representan factores biológicos ( biomoléculas , enfermedades, fenotipos, etc.) y los enlaces (bordes) representan sus relaciones (interacciones físicas, vía metabólica compartida, gen compartido, rasgo, etc.). [2]
Tres redes clave para comprender las enfermedades humanas son la red metabólica , la red de enfermedades y la red social. La medicina de redes se basa en la idea de que comprender la complejidad de la regulación genética , las reacciones metabólicas y las interacciones proteína-proteína y que representarlas como redes complejas arrojará luz sobre las causas y los mecanismos de las enfermedades. Es posible, por ejemplo, inferir un gráfico bipartito que representa las conexiones de enfermedades con sus genes asociados utilizando la base de datos OMIM . [3] La proyección de las enfermedades, llamada red de enfermedades humanas (HDN), es una red de enfermedades conectadas entre sí si comparten un gen común. Usando la HDN, las enfermedades se pueden clasificar y analizar a través de las relaciones genéticas entre ellas. La medicina en red ha demostrado ser una herramienta valiosa para analizar grandes datos biomédicos. [4]
Áreas de investigación
Interactome
El conjunto completo de interacciones moleculares en la célula humana, también conocido como interactoma , se puede utilizar para la identificación y prevención de enfermedades. [5] Estas redes han sido técnicamente clasificadas como libres de escala , disassortative , redes de mundo pequeño , que tiene una alta centralidad de intermediación . [6]
Se han cartografiado las interacciones proteína-proteína , utilizando proteínas como nodos y sus interacciones entre sí como enlaces. [7] Estos mapas utilizan bases de datos como BioGRID y Human Protein Reference Database . La red metabólica engloba las reacciones bioquímicas en las vías metabólicas , conectando dos metabolitos si están en la misma vía. [8] Los investigadores han utilizado bases de datos como KEGG para mapear estas redes. Otras redes incluyen redes de señalización celular , redes reguladoras de genes y redes de ARN .
Mediante las redes interactomas se pueden descubrir y clasificar enfermedades, así como desarrollar tratamientos a través del conocimiento de sus asociaciones y su papel en las redes. Una observación es que las enfermedades pueden clasificarse no por sus fenotipos principales (patofenotipo) sino por su módulo de enfermedad , que es una vecindad o grupo de componentes en el interactoma que, si se interrumpe, da como resultado un patofenotipo específico. [5] Los módulos de enfermedades se pueden utilizar de diversas formas, como la predicción de genes de enfermedades que aún no se han descubierto. Por lo tanto, la medicina en red busca identificar el módulo de enfermedad para un patofenotipo específico utilizando algoritmos de agrupamiento .
Enfermedad
Las redes de enfermedades humanas , también llamadas enfermedades, son redes en las que los nodos son enfermedades y los vínculos, la fuerza de la correlación entre ellos. Esta correlación se cuantifica comúnmente en función de los componentes celulares asociados que comparten dos enfermedades. La red de enfermedades humanas (HDN) publicada por primera vez examinó los genes y descubrió que muchos de los genes asociados a la enfermedad son genes no esenciales , ya que estos son los genes que no interrumpen por completo la red y pueden transmitirse de generación en generación. [3] Las redes de enfermedades metabólicas (MDN), en las que dos enfermedades están conectadas por un metabolito compartido o una vía metabólica , también se han estudiado ampliamente y son especialmente relevantes en el caso de los trastornos metabólicos . [9]
Tres representaciones de la enfermedad son: [6]
- El formalismo de genes compartidos establece que si un gen está vinculado a dos fenotipos de enfermedades diferentes, es probable que las dos enfermedades tengan un origen genético común ( trastornos genéticos ).
- El formalismo de la vía metabólica compartida establece que si una vía metabólica está vinculada a dos enfermedades diferentes, es probable que las dos enfermedades tengan un origen metabólico compartido ( trastornos metabólicos ).
- El formalismo de comorbilidad de enfermedades utiliza redes de enfermedades fenotípicas (PDN), donde dos enfermedades se vinculan si la comorbilidad observadaentre sus fenotipos supera un umbral predefinido. [10] Esto no analiza el mecanismo de acción de las enfermedades, pero captura la progresión de la enfermedad y cómo las enfermedades altamente conectadas se correlacionan con tasas de mortalidad más altas.
Algunas redes de enfermedades conectan enfermedades con factores asociados fuera de la célula humana. Las redes de factores etiológicos ambientales y genéticos vinculados con enfermedades compartidas, denominadas "etioma", también se pueden utilizar para evaluar la agrupación de factores ambientales en estas redes y comprender el papel del medio ambiente en el interactoma. [11] La red de síntomas y enfermedades humanos (HSDN), publicada en junio de 2014, mostró que los síntomas de la enfermedad y los componentes celulares asociados a la enfermedad estaban fuertemente correlacionados y que las enfermedades de las mismas categorías tienden a formar comunidades altamente conectadas, con respecto a su síntomas. [12]
Farmacología
La farmacología en red es un campo en desarrollo basado en la farmacología de sistemas que analiza el efecto de los fármacos tanto en el interactoma como en la enfermedad. [13] La red de fármacos objetivo (DTN) puede desempeñar un papel importante en la comprensión de los mecanismos de acción de los fármacos experimentales y aprobados. [14] La visión de la teoría de redes de los productos farmacéuticos se basa en el efecto del fármaco en el interactoma, especialmente en la región que ocupa el objetivo del fármaco . En este campo se sugiere la terapia combinada para una enfermedad compleja (polifarmacología) ya que un ingrediente farmacéutico activo (API) dirigido a un objetivo puede no afectar a todo el módulo de la enfermedad. [13] El concepto de módulos de enfermedades se puede utilizar para ayudar en el descubrimiento de fármacos , el diseño de fármacos y el desarrollo de biomarcadores para la detección de enfermedades. [2] Puede haber una variedad de formas de identificar medicamentos utilizando la farmacología de la red; un ejemplo simple de esto es el método de "culpa por asociación". Esto establece que si dos enfermedades son tratadas con el mismo medicamento, un medicamento que trata una enfermedad puede tratar la otra. [15] reutilización de drogas , interacciones fármaco-fármaco y Medicamentos de los efectos secundarios también han sido estudiados en este campo. [2]
Epidemias de la red
Las epidemias en red se han construido aplicando la ciencia de las redes a los modelos epidémicos existentes , ya que muchas redes de transporte y redes sociales desempeñan un papel en la propagación de enfermedades. [16] Las redes sociales se han utilizado para evaluar el papel de los vínculos sociales en la propagación de la obesidad en las poblaciones. [17] Los modelos y conceptos de epidemias, como la propagación y el rastreo de contactos , se han adaptado para su uso en el análisis de redes. [18] Estos modelos se pueden utilizar en políticas de salud pública , con el fin de implementar estrategias como la inmunización dirigida [19] y se han utilizado recientemente para modelar la propagación de la epidemia del virus del Ébola en África occidental a través de países y continentes. [20] [21]
Otras redes
El desarrollo de órganos [22] y otros sistemas biológicos puede modelarse como estructuras de red donde las características clínicas (p. Ej., Radiográficas, funcionales) pueden representarse como nodos y las relaciones entre estas características se representan como enlaces entre dichos nodos. [23] Por lo tanto, es posible utilizar redes para modelar cómo los sistemas de órganos interactúan dinámicamente.
Implementación educativa y clínica
La División de Medicina de Red de Channing en Brigham and Women's Hospital se creó en 2012 para estudiar, reclasificar y desarrollar tratamientos para enfermedades complejas utilizando ciencia de redes y biología de sistemas . [24] Se centra en tres áreas:
- La Epidemiología de Enfermedades Crónicas utiliza la genómica y la metabolómica en estudios epidemiológicos a largo plazo, como el Nurses 'Health Study .
- Systems Genetics & Genomics se enfoca en enfermedades respiratorias complejas, específicamente EPOC y asma , en estudios de población más pequeños.
- La patología de sistemas utiliza enfoques multidisciplinarios, que incluyen la teoría de control , los sistemas dinámicos y la optimización combinatoria , para comprender enfermedades complejas y guiar el diseño de biomarcadores . [25]
El Instituto de Tecnología de Massachusetts ofrece un curso de pregrado llamado "Medicina de red: uso de biología de sistemas y redes de señalización para crear nuevas terapias contra el cáncer". [26] Además, Harvard Catalyst (El Centro de Ciencias Clínicas y Traslacionales de Harvard) ofrece un curso de tres días titulado "Introducción a la Medicina en Red", abierto a profesionales clínicos y científicos con títulos de doctorado. [27]
Ver también
- Red biológica
- Inferencia de redes biológicas
- Bioinformática
- Red compleja
- Glosario de teoría de grafos
- Teoría de grafos
- Modelos graficos
- Red de enfermedades humanas
- Interactome
- Red metabólica
- Dinámica de la red
- Ciencia de la red
- Teoría de redes
- Topología de la red
- Farmacología
- Biologia de sistemas
- Farmacología de sistemas
- Estrategias de inmunización específicas
Referencias
- ^ Caldarelli G. (2007). Redes sin escala. Prensa de la Universidad de Oxford.
- ↑ a b c Chan, SY y Loscalzo, J. (2012). El paradigma emergente de la medicina en red en el estudio de las enfermedades humanas. Circulation research, 111 (3), 359–374.
- ^ a b Goh, KI, Cusick, ME, Valle, D., Childs, B., Vidal, M. y Barabási, AL (2007). La red de enfermedades humanas. Actas de la Academia Nacional de Ciencias, 104 (21), 8685–8690.
- ↑ Sonawane, Abhijeet R .; Weiss, Scott T .; Glass, Kimberly; Sharma, Amitabh (2019). "Medicina de red en la era del Big Data biomédico" . Fronteras en genética . 10 : 294. doi : 10.3389 / fgene.2019.00294 . ISSN 1664-8021 . PMC 6470635 . PMID 31031797 .
- ↑ a b Barabási, AL, Gulbahce, N. y Loscalzo, J. (2011). Medicina en red: un enfoque basado en redes para las enfermedades humanas. Nature Reviews Genetics, 12 (1), 56–68.
- ↑ a b Loscalzo, J. y Barabasi, AL (2011). Biología de sistemas y el futuro de la medicina. Revisiones interdisciplinarias de Wiley: Biología de sistemas y medicina, 3 (6), 619–627.
- ^ Rual, JF, Venkatesan, K., Hao, T., Hirozane-Kishikawa, T., Dricot, A., Li, N., ... y Vidal, M. (2005). Hacia un mapa a escala de proteoma de la red de interacción proteína-proteína humana. Nature, 437 (7062), 1173-1178.
- ^ Ravasz, E., Somera, AL, Mongru, DA, Oltvai, ZN y Barabási, AL (2002). Organización jerárquica de la modularidad en redes metabólicas. ciencia, 297 (5586), 1551-1555.
- ^ Braun, P., Rietman, E. y Vidal, M. (2008). Metabolitos y enfermedades en red. Actas de la Academia Nacional de Ciencias, 105 (29), 9849–9850.
- ^ Hidalgo, CA, Blumm, N., Barabási, AL y Christakis, NA (2009). Un enfoque de red dinámica para el estudio de fenotipos humanos. Biología Computacional PLoS, 5 (4), e1000353.
- ^ Liu, YI, Wise, PH y Butte, AJ (2009). El "etioma": identificación y agrupación de factores etiológicos de enfermedades humanas. Bioinformática BMC, 10 (Suppl 2), S14.
- ^ Zhou, X., Menche, J., Barabási, AL y Sharma, A. (2014). Red de síntomas humanos-enfermedades. Comunicaciones de la naturaleza, 5.
- ↑ a b Hopkins, AL (2008). Farmacología en red: el próximo paradigma en el descubrimiento de fármacos. Nature Chemical Biology, 4 (11), 682–690.
- ^ Yıldırım, MA, Goh, KI, Cusick, ME, Barabási, AL y Vidal, M. (2007). Droga: red objetivo. Biotecnología de la naturaleza, 25 (10), 1119–1126.
- ^ Chiang, AP y Butte, AJ (2009). Evaluación sistemática de las relaciones entre medicamentos y enfermedades para identificar pistas para nuevos usos de medicamentos. Farmacología clínica y terapéutica, 86 (5), 507–510.
- ^ Pastor-Satorras, R. y Vespignani, A. (2001). Propagación de la epidemia en redes libres de escala. Cartas de revisión física, 86 (14), 3200.
- ^ Christakis, NA y Fowler, JH (2007). La propagación de la obesidad en una gran red social durante 32 años. Revista de Medicina de Nueva Inglaterra, 357 (4), 370–379.
- ^ Keeling, MJ y Eames, KT (2005). Redes y modelos epidémicos. Revista de la interfaz de la Royal Society, 2 (4), 295-307.
- ^ Pastor-Satorras, R. y Vespignani, A. (2002). Inmunización de redes complejas. Revisión física E, 65 (3), 036104.
- ^ Gomes, MF, Piontti, AP, Rossi, L., Chao, D., Longini, I. , Halloran, ME y Vespignani, A. (2014). Evaluación del riesgo de propagación internacional asociado con el brote de ébola en África Occidental de 2014. Brotes de corrientes PLOS.
- ^ "Los modeladores de enfermedades proyectan un número cada vez mayor de víctimas del ébola" . 31 de agosto de 2014.
- ^ P. Auconi, G. Caldarelli, A. Scala, G. Ierardo, A. Polimeni (2011). Un enfoque de red para el diagnóstico de ortodoncia, ortodoncia e investigación craneofacial 14, 189-197.
- ^ Scala, A. Auconi, P., Scazzocchio, M., Caldarelli, G., McNamara, J., Franchi, L. (2014). Redes complejas para la medicina basada en datos: el caso de la desarmonía dentoesquelética de clase III, New J. Phys. 16 115017
- ^ "División Channing de Medicina de Redes" .
- ^ "Yang-Yu Liu - perfiles de catalizador de Harvard - catalizador de Harvard" .
- ^ Dr. Michael Lee. "Medicina de red: biología de sistemas y redes de señalización para crear nuevas terapias contra el cáncer" . MIT OpenCourseWare .
- ^ "Introducción a la Medicina de Redes - Harvard Catalyst" .