Integration of heterogeneous gene expression sources in human cancer pathologies, employing high performance computing and machine learning techniques

Abstract

La batalla contra el cáncer se ha establecido como uno de los principales retos de la humanidad. Esto es debido al aumento año tras año del número de personas que padecen algún tipo concreto de cáncer. El aumento de la esperanza de vida, los malos hábitos de vida o la contaminación son factores a tener en cuenta en este crecimiento. Por ello, la comunidad científica e investigadora tiene en uno de sus puntos de mira el estudio y comprensión del desarrollo de esta enfermedad multifactorial. El tratamiento y análisis de datos biológicos provenientes de las diferentes ómicas existentes ayuda a abordar el estudio del cáncer desde diferentes perspectivas, para así tratar de buscar nuevas formas de diagnóstico precoz y aumentar la esperanza de vida y supervivencia de los pacientes. Además, con la implantación y abaratamiento de las tecnologías y plataformas Next Generation Sequencing, la precisión, calidad y cantidad de los estudios se ha incrementado notablemente, permitiendo paulatinamente el avance de la sociedad hacía la medicina personalizada o de precisión. A todo esto se le añade el uso de técnicas de aprendizaje automático aplicadas al estudio y evaluación de datos ómicos, el cual ha permitido llevar a cabo la búsqueda de grupos de biomarcadores o posibles huellas génicas que antaño eran inviables por la dimensionalidad del problema.