Análisis de Articulo:
ONCOMINE: A Cancer Microarray Database and Integrated Data-Mining Platform
ONCOMINE: Una Base de datos de Microarray del cáncer y Una Plataforma Integrada de Data-Mining
Por:
Daniel R Rhodes, Jianjun Yu, K Shanker, Nandan Deshpande, Radhika Varambally, Debashis Ghosh, Terrence Barrette, Akhilesh Pandey, and Arul M Chinnaiyan
Profesor: Dr. Cesar Beltrán Castañon
Alumno: Ing. Aldo Zanabria Galvez
Se entiende que la tecnología de microarrays ADN ha llevado a una revolución en el análisis onco-genético, generar abundancia de datos y mostrar patrones sumamente complicados del gen del cáncer. A la vez debido a la falta de recursos unificadores de la bioinformática, la mayoría de estos datos no se utilizan por los investigadores del cáncer.
En dicho artículo presentan a ONCOMINE que contiene 65 datasets del gen del cáncer comprendiendo casi 48 millones de formas de medidas de expresión del gen sobre 4700 experimentos de microarrays.
Estas expresiones analizan la diferencia en comparar más tipos principales de cáncer con tejidos finos sanos, a la vez tiene una colección de subtipos de cáncer y diferentes bases clínicas de patologías encontradas que también están disponibles en el ONCOMINE.
Nos muestra un detalles de los microarrays ADN han encontrado un área mas de investigación practica, como se menciona algo mas que una acumulación de datos, que pueden servir para el análisis de información en la investigación de la cura del cáncer, ha veces los microarrays solo fueron información o datos suplementarios, pero siempre llegan a ser un conjunto de archivos que tienen una importancia muy importante para dicha investigación.
Todos estos datos son públicos en una base de datos que soporta
Nos muestra la colección de datos del microarray, el análisis, y recuperación de datos y métodos de visualización que están disponibles en ONCOMINE.
En
Uno de los aspectos por resaltar es que en todo el análisis indican que treinta y cuatro datasets tuvieron pruebas correspondientes a ambas clases de una mínima comparación entre cáncer y tejido normal.
En el Módulo del GEN: Nos indica claramente que los usuarios pueden evaluar y visualizar la expresión diferencial de un gen seleccionado, luego se ubica un gen de interés, el sistema analiza la expresión diferencial del gen seleccionado e incluido y deja al usuario hacer una selección de interés para su análisis, para luego Mostar los resultado estadísticos y concertar sus representaciones graficas del microarray.
En este articulo nos muestra un modulo de ESTUDIO, que nos muestra un mapa de colores para visualizar los genes, a la ves la integración de ontología del Gen , integraciones de metodologías para el análisis del cáncer como los blancos terapéuticos, etc.
A la vez informa un análisis de su papel potencial en la interpretación rápida del gen del cáncer, proveyendo un recurso centralizado de las anotaciones del gen integrando información de otros recursos bioinformáticos tales como: 43 de SWISS-Prot, LocusLink y unigene. A la vez tienen un trabajo mucho más amplio en la colección de microarrays datasets adicionales, tanto como se hagan necesarios.
En resumen ONCOMINE es una plataforma bio informatica que trae datos de microarrays de Cáncer y las capacidades para analizar dichos genes, con un objetivo de ampliar la investigación y generación de hipótesis de datos del microarray del cáncer.
OCOMINE, fue desarrollado usando una arquitectura de tres filas. El back end consiste en una base de datos en ORACLE 8i que soporta microarray data , statistics y llaves indexadas. La fila intermedia, que manipula el corazón lógico y funcionabilidad, fue desarrollado en python, y el cliente frontal fue implementado utilizando ZOPE.
CONCLUSIONES:
1. Esta clase de aplicaciones tiene una relevancia en la investigación y aplicación de microarrays y uso del data mining, en la investigación de la bioinformática.
2. Propongo la utilización, no de la misma tecnología, si no del uso de un acumulador de información y uso del datamining para la clasificación de datos en el análisis de ENZIMAS, en la aplicación de industrias alimentarias, ya que este es otro gran problema al tratamiento de información y comparación de datos. Ya que la interpretación de dichos datos de enzimas es el más laborioso, que lo común es desarrollado por herramientas comunes y laboriosas como el SAS que no dan una interpretación exacta de lo que se quiere buscar.
3. Aplicar dicho principio también seria muy aplicable en la botánica o Ingeniería Genética en los alimentos de altura para la región Puno.
4. Por ultimo se debe de popularizar el estudio de tecnología para la aplicación de esta en la bio informática.
