Genómica en cáncer

Una aproximación desde la ciencia de datos

Mg. Matías Butti

CINIBA – Facultad de Ciencias Médicas – UNLP
matias.butti@gmail.com
Genómica en cáncer
 3 Líneas de trabajo

• Análisis genómico

• Desarrollo de software genómico

• Laboratorio de biología molecular

 The molecular landscape of breast ductal carcinoma in situ.

Carcinoma
Ductal
In-Situ
de alto grado

Robbins and Cotran Pathologic Basis of Disease, Eighth edition. 2010

The molecular landscape of breast ductal carcinoma in situ.
 The molecular landscape of breast ductal carcinoma in situ.

• Situación actual de DCIS

• Se asumió durante mucho tiempo que los DCIS son no dolorosos (pero se ha demostrado que hay DCIS dolorosos). Esto es
causa de sobrediagnóstico y sobretratamiento.
• El CDIS no pone en peligro la vida del paciente, pero puede aumentar el riesgo de cáncer de mama invasivo.

• Sin embargo, se ha demostrado que no todos los DCIS evolucionan a cáncer infiltrantes;

• A la fecha no hay una forma clara de clasificar esa predicción.

• Entonces, es común que a los pacientes con DCIS se los trate con radioterapia luego de la lumpectomía.

• Sin embargo se ha demostrado que no todos se benefician con este tratamiento invasivo. Además, en algunos pacientes no
se recomienda la radioterapia.

• Objetivo del trabajo

• Estudiar a nivel genómico, transcriptómico y epigenético los carcinomas secuenciados, para comparar con los normales, con
los infiltrantes y verificar si existe algún tipo de clasificación

• Esta descripción permite la búsqueda de nuevos marcadores moleculares que mejoren la clasificación de los pacientes según
el pronóstico de su enfermedad. Además, permite la búsqueda de nuevos blancos terapéuticos.
The molecular landscape of breast ductal carcinoma in situ.

• Objetivo del trabajo

Estudiar a nivel genómico, transcriptómico y epigenético los carcinomas
secuenciados para comparar con los tejidos normales, con los carcinomas
infiltrantes de mama (IBC) y para verificar si existe algún tipo de clasificación
entre los DCIS secuenciados.
 The molecular landscape of breast ductal carcinoma in situ.

• Materiales y métodos
• 29 de los 30: Exome-seq Analysis (más los 29 del tejido normal)
• 25 de los 30: RNA-Seq Analysis
• 25 de los 30: RRB-Seq Analysis
• Para comparar con IBC, se tomaron datos de TCGA
• Herramientas de análisis: R, Bioconductor, MEV

• Análisis
• Exome-Seq Mutaciones puntuales, INDELs. CNVs
• RNA-Seq Perfiles transcriptómicos. Non-coding RNA
• RRB-Seq Analysis Perfiles de metilación
The molecular landscape of breast ductal carcinoma in situ: Exome-Seq

.FASTQ
@EAS100R:136:FC706VJ:2:2104:15343:197393 1:Y:18:ATCAG
GATTTGGGGTTCAAAGCAGTATCGATCAAATAGTAAATCCATTTGTTCAACTCACAGTTT
+
!*((((***+))%%%++)(%%%%).1***-+*))**55CCF>>>>>>CCCCCCC65

Control de calidad: GATK

Alineamiento: bwa
Búsqueda de mutaciones: MuTect
Búsqueda de CNV: Control-FREEC
 The molecular landscape of breast ductal carcinoma in situ: : Exome-Seq

Mutaciones puntuales
INDELs
CNVs
 The molecular landscape of breast ductal carcinoma in situ: RNA-Seq

.FASTQ
@IRIS:7:1:17:800#0/1
GGAAACACTACTTAGGCTTATAAGATCNGGTTGCGG
+IRIS:7:1:17:800#0/1
ababbaaabaaaaa`]`ba`]`aaaaYD\\_a``XT
@IRIS:7:1:17:1757#0/1
TTTTCTCGACGATTTCCACTCCTGGTCNACGAATCC
+IRIS:7:1:17:1757#0/1
aaabaa`]baaaaa_aab]D^^`b`aYDW]abaa`^

Fastq fastq con control de calidad BAM (agrega a cada shortread la posición) conteo para cada gen
The molecular landscape of breast ductal carcinoma in situ: RNA-Seq
The molecular landscape of breast ductal carcinoma in situ: RNA-Seq
The molecular landscape of breast ductal carcinoma in situ.
The molecular landscape of breast ductal carcinoma in situ.
The molecular landscape of breast ductal carcinoma in situ.
 Bioinformática en oncogenómica funcional: Bioplat

• Bioplat: Plataforma para la identificación, validación y optimización de Biomarcadores

con valor pronóstico en cáncer.

www.cancergenomics.net
 Bioinformática en oncogenómica funcional: Bioplat

• Gene Signature (Potencial biomarcador)

 Bioinformática en oncogenómica funcional: Bioplat

• Experimentos
 Bioinformática en oncogenómica funcional: Bioplat

• Validación
 Bioinformática en oncogenómica funcional: Bioplat

• Reporting
 Bioinformática en oncogenómica funcional: Bioplat

• Feature selection - Optimization

Training experiment

Validation experiment
 Bioinformática en oncogenómica funcional: Bioplat

• Feature selection - Optimization

“The swarm Feature selection

approach enables selection of an
optimal feature subset from an
extremely large array of features”
 Bioinformática en oncogenómica funcional: Bioplat

• Integración con otras herramientas bioinformáticas

Bioinformática en oncogenómica funcional: Bioplat
 Genómica en cáncer
• Gracias al avance de las tecnologías de secuenciación, es posible obtener grandes volúmenes de
datos moleculares de células de tejido neoplásico y de tejido normal para comparar, encontrar
similitudes y diferencias, encontrar patrones y de esa forma establecer nuevas hipótesis
biológicas sobre la enfermedad en estudio.

• Interés
• Descripción de los mecanismos moleculares que llevan a la enfermedad
• Clasificación de pacientes de una misma enfermedad
• Biomarcadores diagnóstico/pronóstico/predictivo
• Nuevas estrategias terapéuticas (más personalizadas)

• Existen varias bases de datos públicas con información genómica, sobre neoplasias en las
diferentes localizaciones.

• Ética. Ser cuidados con la forma de presentar los resultados.