Dynamic Effects of CYP2D6 Genetic Variants in a Set of Poor Metaboliser Patients with Infiltrating Ductal Cancer Under Treatment with Tamoxifen.

Breast cancer is a group of multigenic diseases. It is the most common cancer diagnosed among women worldwide and is often treated with tamoxifen. Tamoxifen is catalysed by cytochrome P450 2D6 (CYP2D6), and inter-individual variations in the enzyme due to single nucleotide polymorphisms (SNPs) could alter enzyme activity. We evaluated SNPs in patients from Colombia in South America who were receiving tamoxifen treatment for breast cancer. Allelic diversity in the CYP2D6 gene was found in the studied population, with two patients displaying the poor-metaboliser phenotype. Molecular dynamics and trajectory analyses were performed for CYP2D6 from these two patients, comparing it with the common allelic form (CYP2D6*1). Although we found no significant structural change in the protein, its dynamics differ significantly from those of CYP2D6*1, the effect of such differential dynamics resulting in an inefficient enzyme with serious implications for tamoxifen-treated patients, increasing the risk of disease relapse and ineffective treatment.

Comparative genomic analysis of Mycobacterium tuberculosis Beijing-like strains revealed specific genetic variations associated with virulence and drug resistance.

Isolates of the Mycobacterium tuberculosis lineage 2/East-Asian are considered one of the most successful strains due to their increased pathogenicity, hyper-virulence associated with drug resistance, and high transmission. Recent studies in Colombia have shown that the Beijing-like genotype is associated with multidrug-resistance and high prevalence in the southwest of the country, but the genetic basis of its success in dissemination is unknown. In contribution to this matter, we obtained the whole sequences of six genomes of clinical isolates assigned to the Beijing-like genotype. The genomes were compared with the reference genome of M. tuberculosis H37Rv and 53 previously published M. tuberculosis genomes. We found that the six Beijing-like isolates belong to a modern Beijing sub-lineage and share specific genomic variants: i.e. deletion in the PPE8 gene, in Rv3806c (ubiA) responsible of high ethambutol resistance and in Rv3862c (whiB6) which is involved in granuloma formation and virulence, are some of them. Moreover, each isolated has exclusively single nucleotide polymorphisms (SNPs) in genes related with cell wall processes and cell metabolism. We identified polymorphisms in genes related to drug resistance that could explain the drug-resistant phenotypes found in the six isolates from Colombia. We hypothesize that changes due to these genetic variations contribute to the success of these strains. Finally, we analyzed the IS6110 insertion sequences finding very low variance between them, suggesting that SNPs is the major cause of variability found in Beijing-like strains circulating in Colombia.

Modelo computacional para la identificación deendofenotipos y clasificación de pacientes conartritis reumatoide a partir de datos genéticos,serológicos y clínicos, utilizando técnicasde inteligencia computacional / Computational model for the identification of endophenotypes and classification of rheumatoid arthritis patients from genetic, serological, and clinical data using computational intelligence techniques

Utilizar modelos de inteligencia computacional para la clasificación e identificaciónde endofenotipos (relación entre fenotipo y marcadores genéticos) en pacientes con artritisreumatoide y controles sanos, a partir de información genética, principalmente el HLA DRB1(antígeno leucocitario humano) y la teoría del epítope compartido.Métodos: Desarrollamos modelos computacionales para clasificación, utilizando técnicasde inteligencia computacional como son las redes neuronales, redes bayesianas y métodoscomo k-means. Como datos de entrada se utilizaron variables como: factor reumatoide,anticuerpos contra péptido citrulinado, proteína C reactiva, número de articulaciones inflamadasy dolorosas, rigidez matinal, edad, género, antecedentes de comorbilidades y lainformación del alelo HLA DRB1.Resultados: Se obtuvieron resultados importantes para el diagnóstico de la enfermedad,así como también para su categorización y como potencial aplicación en la medicinapersonalizada de los individuos afectados por esta enfermedad. Conclusión: Los métodos utilizados permiten una mejor estratificación de la enfermedad enrelación con la predicción de fenotipos y posibles desenlaces de la enfermedad, así comopara la potencial prevención primaria de la enfermedad...

Identificación de sitios en proteínas usando máquinas con vectores de soporte / Sites Identification in Proteins, using machines with support vectors

Ante el incremento creciente de estructuras tridimensionales (3D) de proteínas determinadas por rayos X y tecnologías de NMR, así como de estructuras obtenidas mediante métodos computacionales, resulta necesaria la utilización de métodos automatizados para obtener anotaciones iniciales. Hemos desarrollado un nuevo método para reconocer sitios en estructuras tridimensionales de proteínas. Este método está basado en un algoritmo previamente informado para crear descripciones de microambientes proteicos, utilizando propiedades físicas y químicas muy específicas. El método de reconocimiento tiene 3 entradas: 1. Un juego de sitios que comparten alguna función estructural o funcional; 2. Un juego de sitios que no comparten funciones estructurales o funcionales; 3. Un sólo sitio para análisis. Una máquina clasificadora con vector de soporte utiliza detalles del vector, donde cada componente representa una propiedad en volumen dado. La validación contra tests independientes muestra que esta prueba de reconocimiento tiene una alta sensibilidad y especificidad. También describimos los resultados de examinar 4 proteínas de unión a calcio (y con el calcio removido) utilizando una rejilla tridimensional de puntos de prueba en un espacio de 1.25Ao. Nuestros resultados muestran que descripciones basadas en propiedades con máquinas de soporte de vectores pueden ser utilizadas para el reconocimiento de sitios de proteínas en estructuras no anotadas.