Embed Size (px)
Citation preview
FINISTERRAE
FINISTERRAE BigData para la optimización
de fármacos en enfermedades raras, neurodegenerativas y
cáncer.
“Esta generación tiene la oportunidad histórica y la responsabilidad de transformar la Medicina utilizando enfoques sistemáticos en Ciencias
Biológicas para acelerar drásticamente la comprensión y el tratamiento de enfermedades”
The Eli and Edythe L. Broad Institute Of MIT and Harvard
Etimológicamente, FINISTERRAE
es el fin de la tierra; en nuestro caso, se refiere al principio de la genómica y del BIG DATA biomédico con
fines traslacionales.
El objetivo es hacer el big data pequeño, reduciendo al
máximo la complejidad.
... acelerando la búsqueda de nuevas dianas terapéuticas y de medicamentos
huérfanos en ENFERMEDADES
RARAS.
...y también en enfermedades
neurodegenerativas (Parkinson,
Alzheimer, ELA,...) y Cáncer…
Así mismo, se trata de mejorar el diagnóstico precoz de diferentes tipos de cáncer, y posibilitar la OPTIMIZACIÓN DEL TRATAMIENTO PERSONALIZADO (medicina de precisión).
Además, la plataforma
FINISTERRAE contribuirá a la
OPTIMIZACIÓN DE
DECISIONES MÉDICAS y a la valorización
del dato hospitalario
Dentro de la OPTIMIZACIÓN DE FÁRMACOS, cobra especial interés la minimización de efectos secundarios (toxicidades)
con objeto de evitar sufrimientos innecesarios en los pacientes
ALGUNAS CIFRAS
7000 ENFERMEDADES RARAS que
afectan a 30 millones de ciudadanos en USA y otros
tantos en Europa. Los últimos años han salido al mercado varias decenas de medicamentos impulsados por pequeñas compañías
farmacéuticas.
Las ENFERMEDADES NEURODEGENERATIVAS son
uno de los mayores problemas de nuestra sociedad, sumamente
envejecida. Solo el Alzheimer afecta ya a más de 7 millones de personas en Europa y se calcula que esta cifra se duplicará en
menos de 20 años.
Pese a la cantidad de billones de dólares
invertidos en la investigación contra EL
CÁNCER, los resultados para prevenir dicha enfermedad y
realizar tratamientos avanzados son
altamente DECEPCIONANTES.
De cada 10.000 MEDICAMENTOS en fase de
investigación solo 500 pasan a la fase preclínica, y de ahí solo un 1 pasa a la fase en ensayos clínicos
www.acrohealth.org
CÁNCER DE MAMA
MAMMAPRINT ONCOTYPE
MAMMOSTRAT
Son tests muy caros y relativamente fiables.
Predicción de
posibles metástasis a la hora
del diagnóstico
El objetivo es proporcionar métodos sencillos, robustos, fiables y económicos para mejorar el diagnóstico y el tratamiento en CÁNCER DE MAMA, reduciendo drásticamente la mortalidad.
y esta metodología es extrapolable a otros tipos de cáncer: colon,
pulmón, próstata,
páncreas, etc.
• Predicción de la fatiga crónica en enfermos de cáncer de próstata sometidos a
radioterapia
• Análisis de biomarcadores en Leucemia linfocítica crónica (arrays de expresión,
mutaciones, regiones CNV).
• Modelos clínicos para predicción de la necesidad de tratamiento y desarrollo de
enfermedades autoinmunes en LLC
• Modelos clínicos para predicción de la respuesta al tratamiento en Linfoma de
Hodgkin.
• Análisis diferencial de expresión en cáncer de páncreas/pancreatitis.
• Síndrome nefrótico y virus respiratorios en niños.
• Firmas genéticas para predicción de respuestas a fármacos.
• Análisis de vías genéticas afectadas por la administración de fármacos.
• Estimación del grado histológico de cánceres de mama triplemente negativos.
• Caracterización fármaco genética de la gastroquina1en cáncer de cabeza y
cuello.
ALGUNOS CASOS DE ÉXITO
Valorizamos los datos biomédicos a través de pruebas de concepto y
extraemos toda la información que por
métodos tradicionales es inasequible.
Nuestra manera de proceder es a través de acuerdos tipo
win-win
ALGUNAS
REFERENCIAS
ALGUNOS
RESULTADOS
RED DE CORRELACIÓN PARA LA LLC (Leucemia)
Principales mutaciones en LLC y su impacto en la expresión génica
RED DE CORRELACIÓN PARA LA MIOSITIS
RED DE CORRELACIÓN PARA EL ELA
• Hemos obtenido resultados muy innovadores sobre los mecanismos genéticos en Alzheimer, Parkinson,
ELA y Esclerosis Múltiple, por ejemplo.
• Estamos modelizando diferentes enfermedades raras que poseen
datos genéticos en bases de datos públicas.
• Somos capaces de fusionar diferentes tipos de datos para la optimización
del tratamiento personalizado.
Ignacio Fdez.-Alberti IIRR and Corporate Communications
Juan Luis Fdez.-Martínez
Professor in Applied Mathematics.
CTO.
Zulima Fernández-Muñiz
PhD in Applied Mathematics.
Ana Cernea-Cobernau PhD in Applied Mathematics.
Enrique J. De Andrés Galiana
PhD in Applied Mathematics.
EQUIPO
Juan Luis Fernández Martínez Grupo de Problemas Inversos
[email protected] 985103199 / 682202198
Ignacio Fdez. Alberti Salud Social Media
[email protected] 684607977
CONTÁCTENOS Y ANALIZAREMOS JUNTOS POSIBLES OPORTUNIDADES
