:: Nota de prensa del Centro de Regulación Genómica (CRG). 01/11/2013 ::


Investigadores del Centro de Regulación Genómica (CRG) en Barcelona con la colaboración del Consejo Superior de Investigaciones Científicas (CSIC) han diseñado unos modelos matemáticos que permiten la comprensión  de conceptos básicos en sistemas genéticos y metabólicos. Asimismo, también permitirán optimizar la producción de fármacos y otros productos biotecnológicos.

El trabajo, publicado en la revista científica PLoS Computational Biology, forma parte del proyecto europeo BioPreDyn, que intenta desarrollar modelos computacionales para analizar redes biológicas a escala múltiple.

La biología de sistemas es un campo relativamente nuevo de la biología que intenta comprender problemas biológicos complejos. Por ejemplo, en el control y la regulación de los genes son tan importantes los factores temporales como los espaciales y, pequeñas diferencias en estos factores, pueden verse amplificadas hasta causar cambios drásticos en el resultado biológico final. La predicción de estos sistemas mediante modelos computacionales basados en datos biológicos es una herramienta muy potente para la investigación básica y también para la industria biotecnológica (por ejemplo, para producir fármacos u otras sustancias de interés y de origen biológico). Basándose en estas aproximaciones, el proyecto europeo BioPreDyn espera desarrollar modelos para predecir el comportamiento de sistemas celulares.

En el trabajo publicado en la revista científica PLOS Computational Biology, los grupos liderados por el coordinador del proyecto BioPreDyn en el CRG, Johannes Jaeger y Julio R. Banga en el IIM-CSIC muestran un modelo que puede predecir con gran detalle la regulación de los genes. En este caso, los investigadores han estudiado el desarrollo de los segmentos corporales en la mosca de la fruta. Los científicos han desarrollado algoritmos para usar en un ciclo de modelado para biología de sistemas, mediante el cual se repite varias veces el proceso para ajustar el modelo sugerido a los datos obtenidos en el laboratorio hasta que las predicciones se corresponden con los datos.

“Lo más importante en nuestro estudio es que hemos demostrado que existe una única forma coherente para abordar el problema, algo que nunca se había conseguido antes con un modelo complejo de regulación génica”, afirma el Dr. Jaeger. “Este es un gran paso hacia la aplicación del ciclo de la biología de sistemas de forma rutinaria en todo tipo de contextos biológicos. Estudiar el desarrollo embrionario en la mosca de la fruta es un ejemplo de investigación básica pero nuestros métodos se pueden aplicar también a la optimización de procesos biotecnológicos como la producción de aditivos alimentarios o fármacos usando microorganismos”, añade Johannes Jaeger.

El proyecto colaborativo BioPreDyn intenta desarrollar e incorporar un gran rango de herramientas algorítmicas, como la que acaban de desarrollar en los laboratorios de Jaeger y Banga, en una plataforma de aplicación global.  Para conseguirlo, Biopredyn cuenta con once socios de ocho países, incluyendo tres socios industriales (Evolva, InSilico Biotechnology, y CoSMo). La plataforma de aplicación permitirá a los usuarios finales (independientemente de sus habilidades en computación) acceder fácilmente y utilizar los algoritmos para sus propios propósitos, como por ejemplo, optimizar las condiciones metabólicas de microorganismos utilizados para producir ingredientes nutracéuticos.

Referencias y enlaces:
•  Artículo: Becker K, Balsa-Canto E, Cicin-Sain D, Hoermann A, Janssens H, Banga JR and Jaeger J.”Reverse-Engineering Post-Transcriptional Regulation of Gap Genes in Drosophila melanogaster” PLOS Computational Biology, 2013.
•  Laboratorio de Johannes Jaeger: www.crg.eu/johannes_jaeger
•  Proyecto BioPreDyn: www.biopredyn.eu

Contacto para medios:
Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo., Oficina de prensa, Centre for Genomic Regulation (CRG), Ph: +34 93 316 0237.