Diretrizes para Submissão de Amostras
Por que as Listas de Alvos Precisam de Mais do Que Um Tipo de Evidência
Um sinal de expressão forte ou um resultado de triagem pode ser uma pista útil. Raramente é suficiente para escolher um alvo por si só.
Antes de um alvo avançar, a equipa de investigação precisa de saber por que razão pode afetar a doença. A equipa também precisa de saber onde atua, o que acontece quando é alterado e quais os riscos que permanecem.
Reunimos estas questões numa única revisão. A IA ajuda-nos a encontrar e organizar evidências em grandes conjuntos de dados. Os nossos cientistas, em seguida, verificam as fontes, interpretam conflitos e ligam cada lacuna importante a um experimento adequado.
Se a evidência pública não for suficiente, podemos gerar novos dados ómicos. Isso permite que o estudo vá além da revisão de bases de dados e teste o alvo em um tecido, tipo celular ou modelo relevante.
Perguntas que o ajudamos a responder
- Por que é que este alvo está ligado à doença?
- Quais células ou regiões de tecido transportam o sinal?
- Alterar o alvo altera um fenótipo útil?
- É prático estudar ou modular o alvo?
- Quais riscos de segurança ou biologia poderiam interromper o programa?
- Qual experimento reduziria a incerteza?
Como Apoiamo as Decisões de Descoberta de Alvos Comuns
O desenho do estudo depende de onde veio a lista-alvo e qual decisão deve ser tomada a seguir.
Encontre o Gene-Alvo Mais Provável em um Locus Associado a Doenças
A sua pergunta: Um estudo genético encontrou uma região associada a uma doença. Qual gene nessa região é o melhor candidato alvo?
Dados e experiências: Podemos combinar resultados de GWAS, variantes finamente mapeadas, dados de QTL, variantes codificantes, traços de doenças e expressão tecidual. Novos dados de exoma ou RNA podem ser adicionados quando as evidências existentes não resolvem o gene.
Como a IA ajuda: Métodos assistidos por IA conectam variantes a possíveis genes através de várias fontes de evidência. Os nossos cientistas separam a associação regional do suporte direto a genes e sinalizam resultados que discordam.
O que entregamos: Você recebe uma lista de genes classificada, um cartão de evidências vinculado à fonte para cada candidato e um relato claro da incerteza restante.
Como validar: Candidatos fortes podem avançar para estudos de expressão ou perturbação. Candidatos incertos podem precisar de evidência específica de RNA tecidual, epigenética ou funcional primeiro.
Evidência publicada: Nelson et al. descobriram que o suporte genético humano relevante era mais comum entre os mecanismos de fármacos bem-sucedidos. A genética pode reforçar a escolha de um alvo, mas não prova que um gene funcionará num novo programa.
Localizar um Alvo no Tipo de Célula e Região de Tecido Certos
A sua pergunta: O alvo está ativo nas células que impulsionam a doença, ou apenas parece importante em tecido em massa?
Dados e experiências: Podemos comparar tecidos de doença e de controlo, regiões sensíveis e resistentes ao tratamento, ou lesões e tecidos adjacentes. O design pode combinar sequenciação de RNA em massa, sequenciação de RNA de célula única e perfis espaciais. Dados de cromatina podem adicionar informações sobre a regulação genética.
Como a IA ajuda: A análise assistida por IA conecta tipos de células, estados celulares, regiões de tecido, vias e sinais entre células. Também ajuda a identificar sinais causados principalmente por alterações no número de células.
O que entregamos: Recebe uma classificação alvo com mapas de células e tecidos, evidências de regiões de doenças, interações celulares próximas e contexto de vias.
Como validar: Os alvos selecionados podem ser verificados em mais tecidos com ensaios in situ direcionados, testes de expressão ou estudos de perturbação específicos de células.
Evidência publicada: Katzenelenbogen et al. utilizaram dados de célula única para identificar um programa de células mieloides positivas para TREM2 em tumores. Experimentos de seguimento em ratos testaram o papel biológico desse programa.
Priorizar Dependências Ligadas a um Subtipo ou Estado de Resistência
A sua pergunta: Quais triagens são específicas para o modelo de doença, mutação ou estado de resistência de interesse?
Dados e experiências: Podemos combinar ecrãs de perturbação com o fundo genómico, expressão de RNA, atividade de vias e dados de resposta a fármacos. A profilagem de RNA ou de células únicas após a perturbação pode mostrar como o modelo responde.
Como a IA ajuda: A análise assistida por IA ajuda a separar genes amplamente essenciais de dependências seletivas. Também pode ligar dependências a mutações, estados de expressão, vias e compostos de investigação conhecidos.
O que entregamos: Você recebe uma lista de dependências classificadas, possíveis marcadores de resposta, evidências de percurso e um plano de validação em etapas.
Como validar: Os resultados importantes devem ser repetidos com reagentes independentes e modelos adicionais relevantes para a doença. O resgate ou outra forma de modulação do alvo pode adicionar um suporte mais robusto.
Evidência publicada: Behan et al. combinaram rastreios em escala genómica em 324 linhas celulares de cancro humano de 30 tipos de cancro com dados genómicos e de viabilidade de alvos. Manguso et al. utilizaram um rastreio in vivo e experiências de acompanhamento para estudar reguladores da imunidade tumoral.
Escolha quais alvos devem avançar para validação.
A sua pergunta: Vários alvos parecem razoáveis. Quais devem avançar e quais precisam de mais evidências primeiro?
Dados e experiências: Revemos a evidência da doença, genética, expressão de tecidos e células, localização espacial, resultados funcionais, vias, compostos de pesquisa conhecidos, viabilidade prática e riscos de segurança. Um experimento de ómicas focado pode preencher uma lacuna de alto valor.
Como a IA ajuda: Métodos assistidos por IA organizam as evidências e aplicam regras de pontuação acordadas. Mostramos quais fontes influenciam a classificação e como a lista muda quando evidências incertas recebem menos peso.
O que entregamos: Cada alvo é colocado em um dos quatro grupos: avançar, resolver, manter ou despriorizar. Você também recebe uma tabela de evidências, cartões de alvo, resumo de riscos e plano de próximos passos.
Como validar: Cada alvo não resolvido recebe uma recomendação específica, como um estudo de perturbação, outra coorte, testes de RNA direcionados ou confirmação celular e espacial.
Evidência publicada: O framework Open Targets mostra como a genética, dados funcionais, expressão, viabilidade e informações de segurança podem apoiar a classificação de alvos. Também mantém a evidência original disponível para revisão.
Escolha o Experimento Que Responde à Pergunta em Falta
Mais dados nem sempre são melhores. Selecionamos a tecnologia que pode mudar a decisão-alvo.
| Tecnologia de Serviço | Pergunta que pode responder | Uso Comum na Descoberta de Alvos |
|---|---|---|
| Sequenciação do Exoma Completo | Os variantes de codificação ou genótipos de modelo estão ligados ao alvo? | Suporte genético, subtipo de doença, seleção de modelo e confirmação de variantes |
| Sequenciação de RNA | Onde está o alvo expresso e quais vias mudam com ele? | Comparação de doenças, mecanismo, resistência e resposta a perturbações |
| Sequenciação de RNA de Célula Única | Qual tipo de célula ou estado celular transporta o sinal alvo? | Células raras, estados imunes, heterogeneidade tecidual e resposta específica das células |
| Serviços de Sequenciação Espacial Multi-Ómicas | Onde está localizado o alvo dentro do tecido? | Regiões de doença, vizinhanças celulares, nichos resistentes e interações locais |
| ATAC-Seq | Quais regiões regulatórias podem controlar o programa-alvo? | Estado da cromatina, reguladores a montante e controlo específico do estado |
| Serviços Multi-Ómicos | Várias camadas moleculares suportam o mesmo alvo? | Confirmação entre camadas, revisão de conflitos e aprimoramento de mecanismos |
| Serviços de Bioinformática | Os dados existentes podem ser processados e comparados de forma fiável? | Revisão de dados, harmonização, integração de dados públicos e relatórios reproduzíveis |
A perfuração espacial é especialmente útil quando os dados em massa não conseguem mostrar de onde vem um sinal. Dependendo do tecido e da questão de investigação, podemos considerar a perfuração in situ Visium, Visium HD, Stereo-seq ou Xenium.
Comece com dados, amostras ou uma lista de alvos.
| Tipo de Projeto | O que Você Fornece | Como Apoiamo o Estudo |
|---|---|---|
| Dados para Insights | Omicas ou dados de triagem, metadados, conjuntos de dados públicos e uma questão de investigação. | Revisamos a qualidade dos dados, adicionamos evidências públicas relevantes, classificamos os alvos e recomendamos estudos de validação. |
| Estudo Híbrido | Dados existentes mais biosspecimens ou modelos para uma camada de evidência em falta | Desenhamos um experimento focado, geramos os dados e atualizamos a classificação alvo. |
| Revisão da Lista Curta | Um conjunto definido de objetivos e os critérios para os avançar. | Comparamos cada alvo, identificamos riscos, testamos a estabilidade da classificação e definimos a próxima decisão. |
Veja por que cada alvo recebe a sua classificação.
A pontuação final só é útil quando as evidências por trás dela são fáceis de inspecionar.
- Evidência de doença: associação com a doença, traço ou fenótipo
- Apoio genético: variantes, evidência de QTL e ligações de um locus a um gene
- Localização biológica: tecido, tipo de célula, estado da célula e região espacial
- Suporte funcional: resultados de perturbação, dependência, resgate e mecanismo
- Papel do caminho: posição da rede, redundância e possíveis rotas de fuga
- Viabilidade prática: quão acessível é o alvo a ferramentas de pesquisa ou a uma modalidade escolhida
- Riscos de segurança: expressão em tecido normal, fenótipos humanos e funções essenciais
- Qualidade da evidência: design de estudo, replicação, relevância do modelo e resultados conflitantes
Para cada alvo, registamos a fonte, resultado, direção, confiança e efeito de pontuação. Também testamos se um alvo continua altamente classificado quando a evidência incerta ou os pesos de pontuação mudam.
De uma Lista de Alvos Ampla a uma Lista Curta Testável
Um fluxo de trabalho conectado mantém a geração de dados, a revisão de evidências, a classificação e a validação focadas na mesma decisão.
Passo 1 - Definir a decisão: Esclarecemos a doença, o contexto biológico, a modalidade preferida, os critérios de alvo e as principais razões para parar ou avançar.
Passo 2 - Rever as evidências atuais: Avaliamo os seus dados, estudos públicos, lista de alvos, compostos, informações de amostras e lacunas de evidência conhecidas.
Passo 3 - Projetar experiências focadas: Se necessário, selecionamos o estudo ómico mais provável de resolver uma lacuna importante.
Passo 4 - Gerar e processar dados: Realizamos o experimento acordado, controlo de qualidade, bioinformática e comparação com evidências compatíveis.
Passo 5 - Construir a tabela de evidências: Organizamos informações sobre doenças, genética, células, espaço, funcionalidade, vias, viabilidade e segurança.
Passo 6 - Classificar e testar a estabilidade: Aplicamos regras claras, inspecionamos conflitos e verificamos se diferentes suposições alteram a lista restrita.
Passo 7 - Rever cada alvo: Os nossos cientistas classificam os candidatos como avançar, resolver, manter ou despriorizar.
Passo 8 - Validação do plano: Recomendamos o experimento, modelo, coorte ou estudo de tecido necessário para a próxima decisão.
O que Precisamos para Planear o Estudo
O projeto pode começar com uma questão ampla sobre a doença ou uma lista curta definida.
- Doença, fenótipo, população, estágio e mecanismo proposto
- Lista de alvos atual e razões pelas quais cada alvo foi selecionado
- Dados omicos brutos ou processados, dados de triagem ou de resposta
- Informação sobre amostra, modelo, lote, tratamento e resultado
- Coortes públicas, compostos conhecidos, descobertas anteriores e hipóteses internas
- Biosspecimens ou modelos disponíveis para novos experimentos
- Modalidade preferida, acesso ao tecido e razões para excluir um alvo.
Entregáveis Construídos para a Próxima Decisão de Pesquisa
- Revisão de dados e fontes de evidência
- Dados ómicos com controlo de qualidade quando os experimentos estão incluídos
- Lista longa de alvos e lista curta priorizada
- Tabela de alvo por evidência
- Cartões de resumo de metas individuais
- Contexto celular, tecidual, espacial, de via e de rede
- Regras e razões de classificação claras
- Conflitos, incerteza e bandeiras de risco de segurança
- Análise de estabilidade de ranking
- Avançar, resolver, manter ou despriorizar decisões
- Recomendações de validação específicas para o alvo
- Tabelas, figuras, métodos e limitações reproduzíveis
Fechar Lacunas de Evidência com Novos Dados Ómicos
Uma revisão de base de dados pode mostrar o que já é conhecido. Não consegue sempre responder se o alvo está ativo nas suas amostras, nos seus modelos ou na região da doença que importa.
A CD Genomics combina omicas de laboratório húmido com bioinformática, análise de células únicas, perfilagem espacial e revisão de evidências. Quando a classificação depende de informações em falta, a nossa equipa pode conceber e realizar o experimento necessário para obtê-las.
Recebe mais do que uma pontuação. O relatório final mostra as evidências de suporte, os principais riscos, os limites dos dados atuais e o estudo seguinte mais útil.
Limite de pesquisa
A descoberta de alvos continua incerta. Não garantimos que um alvo será prático de modular, passar na validação ou ter sucesso no desenvolvimento posterior.
Referências
- Nelson MR, Tipney H, Painter JL, et al. O apoio de evidências genéticas humanas para indicações de medicamentos aprovados. Genética da Natureza. 2015.
- Katzenelenbogen Y, Sheban F, Yalin A, et al. A combinação de scRNA-Seq e atividade proteica intracelular revela um papel imunossupressor do TREM2 no câncer. Célula. 2020.
- Behan FM, Iorio F, Picco G, et al. Priorização de alvos terapêuticos para o câncer utilizando ecrãs CRISPR-Cas9. Natureza. 2019.
- Manguso RT, Pope HW, Zimmer MD, et al. A triagem CRISPR in vivo identifica Ptpn2 como um alvo para imunoterapia do câncer. Natureza. 2017.
- Ochoa D, Hércules A, Carmona M, et al. Plataforma Open Targets: apoio à identificação e priorização sistemática de alvos de fármacos. Pesquisa em Ácidos Nucleicos. 2021.
- Ghoussaini M, Mountjoy E, Carmona M, et al. Open Targets Genetics: identificação sistemática de genes associados a traços utilizando genética em grande escala e genómica funcional. Pesquisa em Ácidos Nucleicos. 2021.
Apenas para uso em investigação. Não para uso em procedimentos de diagnóstico ou clínicos.
Exemplo de Relatório de Priorização de Alvos
O relatório é concebido para reuniões de revisão de metas. Mostra a pontuação, as evidências que a sustentam, os principais riscos e a próxima ação para cada meta.
O relatório pode incluir um mapa de calor de evidências, pontuações por categoria, contexto celular e espacial, contribuições para a pontuação, bandeiras de risco, estabilidade de classificação e experiências recomendadas. As categorias de evidência e os pesos são selecionados para o projeto.
FAQs sobre Descoberta e Priorização de Alvos Assistida por IA
1. O projeto pode começar com uma lista de alvos existente?
Sim. Podemos rever uma lista longa ou uma lista restrita com base em critérios de biologia, viabilidade, risco de segurança e validação acordados. O relatório explica por que cada alvo avança, necessita de mais evidências, permanece em espera ou é despriorizado.
2. A CD Genomics pode gerar novos dados experimentais?
Sim. Podemos adicionar dados de exoma, RNA, epigenéticos, de célula única, espaciais ou multi-ómicos quando uma lacuna de evidência importante impede uma decisão clara.
3. Como pode a multi-óptica espacial melhorar a seleção de alvos?
A perfis espaciais mostram onde um alvo está ativo dentro do tecido. Pode revelar regiões de doença, vizinhanças celulares, limites invasivos, compartimentos imunes ou nichos resistentes que dados em massa não conseguem separar.
4. O serviço depende apenas de bases de dados públicas?
Não. Podemos combinar evidências públicas com os seus próprios dados e experimentos recém-gerados. Revisamos a qualidade do estudo e a relevância biológica antes de combinar fontes.
5. O que faz a IA no projeto?
A IA ajuda a recuperar, organizar, comparar e resumir grandes quantidades de evidência. Os nossos cientistas verificam as fontes, definem as regras de pontuação, interpretam conflitos e revisam a classificação final.
6. Podem as regras de pontuação ser alteradas?
Sim. Selecionamos pesos para a doença, modalidade preferida e decisão de pesquisa. Também mostramos se a classificação muda quando a evidência incerta recebe menos peso.
7. O serviço pode garantir um alvo bem-sucedido?
Não. A descoberta e validação de alvos são incertas. Ajudamos a identificar evidências mais robustas, riscos importantes e os experimentos seguintes mais úteis.
Estudo de Caso Publicado
Destaque de Pesquisa Independente
Utilizando Ecrãs Funcionais para Classificar Dependências de Câncer Específicas do Contexto
Esta publicação é um exemplo de pesquisa independente. Não se trata de um projeto de cliente da CD Genomics.
Fundo
Um sinal de triagem forte não identifica sempre um alvo seletivo ou prático. Os investigadores questionaram se os resultados funcionais poderiam ser combinados com evidências genómicas e de viabilidade para melhorar a classificação dos alvos.
Métodos
Behan et al. realizaram rastreios em escala genómica em 324 linhas celulares de câncer humano de 30 tipos de câncer. Eles combinaram os efeitos na aptidão celular com marcadores genómicos e informações sobre quão prático cada alvo poderia ser para estudar ou modular.
Resultados
A análise identificou dependências ligadas a configurações específicas de tecido e genética. O WRN foi destacado em modelos de cancro com instabilidade de microssatélites e foi estudado mais a fundo em experimentos adicionais.
Conclusão
O estudo mostra porque a força do ecrã não deve ser utilizada isoladamente. A seletividade, o contexto genómico, a viabilidade prática, a reprodutibilidade e os experimentos de seguimento afetam todos a decisão sobre o alvo. Os resultados de um estudo não preveem o resultado de outro projeto.
Referência
- Behan FM, Iorio F, Picco G, et al. Priorização de alvos terapêuticos para o câncer utilizando ecrãs CRISPR-Cas9. Natureza. 2019.
Publicações Selecionadas
Estas publicações independentes fornecem fundamentos de pesquisa para a priorização de alvos baseada em genética, específica para células, funcional e baseada em evidências. Não são apresentadas como projetos de clientes da CD Genomics.
- Nelson MR, Tipney H, Painter JL, et al. O apoio de evidências genéticas humanas para indicações de medicamentos aprovados. Genética da Natureza. 2015.
- Katzenelenbogen Y, Sheban F, Yalin A, et al. A combinação de scRNA-Seq e atividade proteica intracelular revela um papel imunossupressor do TREM2 no câncer. Célula. 2020.
- Manguso RT, Pope HW, Zimmer MD, et al. A triagem CRISPR in vivo identifica Ptpn2 como um alvo para imunoterapia do câncer. Natureza. 2017.
- Ochoa D, Hércules A, Carmona M, et al. Plataforma Open Targets: apoio à identificação e priorização sistemática de alvos para fármacos. Pesquisa em Ácidos Nucleicos. 2021.
- Ghoussaini M, Mountjoy E, Carmona M, et al. Open Targets Genetics: identificação sistemática de genes associados a traços utilizando genética em grande escala e genómica funcional. Pesquisa em Ácidos Nucleicos. 2021.
