The molecular explanation about why some pancreatic cancer (PaCa) patients die early and others die later is poorly understood. This study aimed to discover potential novel markers and drug targets that could be useful to stratify and extend expected survival in prospective early-death patients. We deployed a deep learning algorithm and analyzed the gene copy number, gene expression, and protein expression data of death versus alive PaCa patients from the GDC cohort. The genes with higher relative amplification (copy number times in the dead compared with the alive group) were EWSR1, FLT3, GPC3, HIF1A, HLF, and MEN1. The most highly up-regulated genes (>8.5-fold change) in the death group were RPL30, RPL37, RPS28P7, RPS11, Metazoa_SRP, CAPNS1, FN1, H3−3B, LCN2, and OAZ1. None of their corresponding proteins were up or down-regulated in the death group. The mRNA of the RPS28P7 pseudogene could act as ceRNA sponging the miRNA that was originally directed to the parental gene RPS28. We propose RPS28P7 mRNA as the most druggable target that can be modulated with small molecules or the RNA technology approach. These markers could be added as criteria to patient stratification in future PaCa drug trials, but further validation in the target populations is encouraged.
¿Cómo se obtienen los nuevos fármacos? ¿De dónde salen nuevos productos para descontaminar un lago o el suelo? Las plantas y los microorganismos producen millones de moléculas que pueden tener una de estas importantes aplicaciones biotecnológicas. Hasta hace unos años, la caracterización biotecnológica era un proceso costoso y complicado. Sin embargo, la revolución de la bioinformática trajo consigo las bases de datos biológicas que, en conjunto con el desarrollo de la tecnología, han permitido el diseño y desarrollo de algoritmos para conocer la función biológica de un compuesto. Gracias a ello, actualmente se puede predecir la actividad biológica de una gran variedad de moléculas antes de emprender un experimento en el laboratorio. El objetivo de este artículo es compartir cómo es que se pueden caracterizar productos naturales, como fármacos, desde una computadora personal, utilizando bases de datos pertinentes y métodos computacionales in silico, para después comprobar la actividad biológica con pruebas in vitro.