Video Experimental Relacionado
Updated: Jan 13, 2026
06:52
Discovery of Driver Genes in Colorectal HT29-derived Cancer Stem-Like Tumorspheres
Published on: July 22, 2020
6.9K
MODCAN: identificación de genes conductores basada en características multiómicas y redes de coasociación diferencial
Ponian Li1, Guodong Xiao1, Haihui Wang1
1School of Mathematics and Statistics, Shandong University, Weihai, 264209, China.
BMC bioinformatics
|January 6, 2026
Resumen
MODCAN, un nuevo algoritmo bioinformático, identifica genes conductores clave del cáncer analizando datos multiómicos e interacciones genéticas. Este enfoque mejora la estratificación de tumores y ayuda a la medicina de precisión al revelar conductores genéticos específicos del cáncer.
Área de la Ciencia:
- Bioinformática
- Genómica del Cáncer
- Biología Computacional
Sus antecedentes:
- La identificación de genes conductores del cáncer es crucial para el diagnóstico temprano, el pronóstico y la medicina de precisión.
- Los métodos actuales enfrentan desafíos para identificar con precisión genes clave para tipos de cáncer específicos.
- Esta limitación dificulta los avances en el cuidado personalizado del cáncer.
Objetivo del estudio:
- Desarrollar un novedoso algoritmo para la identificación precisa de genes conductores específicos del cáncer.
- Estratificar muestras de tumores en subtipos biológicamente significativos utilizando datos multiómicos.
- Explorar la heterogeneidad tumoral y descubrir interacciones genéticas específicas de subtipos.
Principales métodos:
- Desarrolló MODCAN, un algoritmo semisupervisado que integra características multiómicas.
- Utilizó redes de coasociación diferencial para analizar interacciones genéticas dentro de subtipos de tumores.
- Aplicó el algoritmo a diez conjuntos de datos de cáncer del Atlas del Genoma del Cáncer (TCGA).
Principales resultados:
- MODCAN estratifica eficazmente las muestras de tumores en distintos subtipos.
- El algoritmo revela interacciones genéticas únicas características de cada subtipo.
- MODCAN supera a los algoritmos de aprendizaje supervisado y no supervisado existentes en la identificación de genes conductores.
Conclusiones:
- MODCAN demuestra un rendimiento superior en precisión, recuperación y AUPR en comparación con los métodos existentes.
- El algoritmo se destaca en la predicción de genes conductores específicos de tumores con alta precisión.
- Los genes conductores identificados resaltan la heterogeneidad tumoral y ofrecen información sobre distintos subtipos de cáncer.
Videos de Conceptos Relacionados
01:05Cancer-Critical Genes II: Tumor Suppressor Genes
9.4K
Genes usually encode proteins necessary for the proper functioning of a healthy cell. Mutations can often cause changes to the gene expression pattern, thereby altering the phenotype.
When the function of certain critical genes, especially those involved in cell cycle regulation and cell growth signaling cascades, gets disrupted, it upsets the cell cycle progression. Such cells with unchecked cell cycles start proliferating uncontrollably and eventually develop into tumors.
Such genes that act...
When the function of certain critical genes, especially those involved in cell cycle regulation and cell growth signaling cascades, gets disrupted, it upsets the cell cycle progression. Such cells with unchecked cell cycles start proliferating uncontrollably and eventually develop into tumors.
Such genes that act...
9.4K
02:39lncRNA - Long Non-coding RNAs
9.8K
In humans, more than 80% of the genome gets transcribed. However, only around 2% of the genome codes for proteins. The remaining part produces non-coding RNAs which includes ribosomal RNAs, transfer RNAs, telomerase RNAs, and regulatory RNAs, among other types. A large number of regulatory non-coding RNAs have been classified into two groups depending upon their length – small non-coding RNAs, such as microRNA, which are less than 200 nucleotides in length, and long non-coding RNA...
9.8K