Ciencia de datos en biomedicina y la promesa de las células personalizadas
Alcanzar las promesas suscitadas por los recientes avances en biomedicina requerirá aprovechar los datos biológicos y médicos mediante una estrategia científica impulsada por Big Data.
Autoras: Fiorella Ojeda Quispe, Joselyn Romero Avila
Introducción
La ingeniería de tejidos es la práctica de combinar andamios, células y moléculas biológicamente activas para crear tejidos funcionales. Su objetivo es restaurar, mantener o mejorar tejidos u órganos dañados. Sabemos que, generalmente, se forman grupos de células que secretan sus propia matriz extracelular. Este andamio sirve como soporte para las células y actúa como una estación repetidora para varias moléculas de señalización [1]. Actualmente, el potencial del análisis de datos cuantitativos y los enfoques de modelos matemáticos para respaldar este proceso no son ampliamente reconocidos. Existen numerosas oportunidades para incorporar enfoques matemáticos y computacionales en todas las etapas del diseño de tejidos biológicos y biomateriales [2].
Cuerpo
La ciencia de las células madre ha experimentado una revolución reciente con el advenimiento de las tecnologías de células madre pluripotentes humanas, la ingeniería genética CRISPR/Cas9 (tecnología de edición de genoma más utilizada en laboratorios de biología molecular) [3] y las tecnologías de organoides. El alcance del campo de las células madre se ha ampliado significativamente, de manera que se han acrecentado también las expectativas de obtener células, tejidos y órganos diseñados especialmente para el estudio preciso y el tratamiento personalizado de enfermedades [4].
Los enfoques convencionales para desarrollar biomateriales e implantes requieren una adaptación intuitiva de los protocolos de fabricación y la evaluación de características como la biocompatibilidad, lo que conlleva ciclos de desarrollo más largos y altos costos. Para satisfacer las necesidades clínicas existentes y no satisfechas, es fundamental acelerar la producción de biomateriales implantables, implantes y dispositivos biomédicos [5].
La ingeniería de materiales utiliza varias combinaciones de diversos factores para controlar las respuestas celulares, lo que plantea un gran desafío en la optimización del diseño de biomateriales. Aplicar técnicas de aprendizaje automático para evaluar el impacto de las propiedades de la superficie en el microentorno biológico es más que factible, dado que la interacción/respuesta celular proporciona resultados computacionales y las variables de entrada se derivan de las propiedades del material [6]. La biomedicina tendrá que aprovechar la Big Data ómica para aprender a producir de manera eficiente, específica y de forma segura las células que mejor coincidan con las de cada paciente objetivo.
Un grupo de investigadores interesados en el desarrollo de la bioinformática definió una estrategia colaborativa para la ciencia de células madre basada en datos que se puede resumir en los siguientes puntos [4]:
Coordinar los esfuerzos de la comunidad para generar y compartir conjuntos de datos de referencia "ómicos" de células madre de alta calidad, que se pueden usar para definir cualitativa y cuantitativamente diferentes tipos de células/tejidos/órganos y cómo difieren entre individuos
Comprometerse con la comunidad de biología computacional, subrepresentada en el campo de las células madre y reconocer su rol fundamental en el desarrollo de las tecnologías necesarias para aprovechar e integrar Big Data ómicos biológicos y establecer la cantidad de información fenogenómica suficiente estándar para considerar una célula o tejido de diseño como aceptable para uso terapéutico responsable.
El diagrama de Del Sol y cols. [4], muestra el alcance actual de la ciencia de células madre en relación con los requisitos basados en datos. Así como clave para establecer la idoneidad de tejido diseñado para aplicaciones médicas.
Conclusión
En conclusión, es de gran necesidad integrar los conceptos y algoritmos de la ciencia de datos con las ciencias biomédicas e ingeniería biológica. El desarrollo de la ciencia de células madre, la ingeniería de tejidos, la medicina regenerativa y demás ramas de la biomedicina debe ser impulsada basándose también en Big-Data por parte de la comunidad científica. La investigación será fundamental para ayudar a que las ciencias biomédicas sean cuantitativas, predictivas y adecuadas, con el propósito de diseñar y llegar a implementar nuevos métodos de diagnóstico y terapia efectivos en beneficio de los pacientes. Además, se requiere establecer un marco interdisciplinario que permita la exploración del conocimiento de biomateriales en relación con herramientas de inteligencia artificial (IA) que conduzcan a propuestas de innovación sostenibles y de provecho.
Referencias
[1] "Ingeniería de Tejidos y Medicina Regenerativa", Nibib.nih.gov, 2022. [Online]. Available: https://www.nibib.nih.gov/espanol/temas-cientificos/ingenier%C3%ADa-de-tejidos-y-medicina-regenerativa-0. [Accessed: 28- Jun- 2022].
[2] S. Waters, L. Schumacher and A. El Haj, "Regenerative medicine meets mathematical modelling: developing symbiotic relationships", npj Regenerative Medicine, vol. 6, no. 1, 2021. Available: 10.1038/s41536-021-00134-2 [Accessed 28 June 2022].
[3] Y. Xu and Z. Li, "CRISPR-Cas systems: Overview, innovations and applications in human disease research and gene therapy", Computational and Structural Biotechnology Journal, vol. 18, pp. 2401-2415, 2020. Available: 10.1016/j.csbj.2020.08.031 [Accessed 1 July 2022].
[4] A. Del Sol, H. Thiesen, J. Imitola and R. Carazo Salas, "Big-Data-Driven Stem Cell Science and Tissue Engineering: Vision and Unique Opportunities", Cell Stem Cell, vol. 20, no. 2, pp. 157-160, 2017. Available: 10.1016/j.stem.2017.01.006 [Accessed 26 June 2022].
[5] B. Basu, N. Gowtham, Y. Xiao, S. Kalidindi and K. Leong, "Biomaterialomics: Data science-driven pathways to develop fourth-generation biomaterials", Acta Biomaterialia, vol. 143, pp. 1-25, 2022. Available: 10.1016/j.actbio.2022.02.027 [Accessed 28 June 2022].
[6] G. Joseph, "Application of data science to inform surface engineering for in vitro neural stem cell control", Doctor of Philosophy in Regenerative Medicine, Keele University, 2018. Available: https://eprints.keele.ac.uk/5577/ [Accessed 29 June 2022].