El método, que recrea las interacciones biológicas dentro de las células, ha sido biológicamente probado en líneas celulares de cáncer de mama, próstata, pulmón y colon, así como en análisis retrospectivos de supervivencia de miles de pacientes.
Nataša Pržulj ha liderado la investigación, que publica la revista 'Nature Communications', en la que ha utilizado técnicas de aprendizaje automático para relacionar grandes cantidades de datos y recrearlos en un prototipo computacional.
Los científicos del BSC han utilizado este método para reconstruir células de cuatro de los tipos más comunes de cáncer (mama, próstata, pulmón y colon) y en todos ellos ha demostrado ser útil para localizar nuevos genes relacionados con estas enfermedades.
El método, que ha señalado 63 genes y un proceso de validación biológica, ha confirmado que al menos 36 de ellos contribuyen al crecimiento irregular de las células.
Según ha explicado Pržulj, la validación se ha llevado a cabo mediante experimentos de desactivación de genes seguidos de pruebas de viabilidad celular y análisis de datos de supervivencia del paciente.
La experimentación reveló, por ejemplo, que las pacientes con cáncer de mama con alta expresión de MRPL3, una proteína ribosomal mitocondrial que no estaba relacionada con el cáncer previamente, tienen una menor supervivencia.
Este nuevo método para analizar células "permite identificar genes alterados en el cáncer que no aparecen como alterados en ningún otro tipo de datos, pone de manifiesto la importancia de los enfoques integrativos para analizar datos biológicos y allana el camino hacia análisis integrativos comparativos de todas las células", según ha destacado Pržulj.
Este nuevo método podría aplicarse para el tratamiento de otras enfermedades o el envejecimiento. Aunque su objetivo final es descubrir los principios intrínsecos de la organización interna de la vida.