E060 – Hematoloxía computacional e xenómica (Grheco Xen)

Obxectivos

Este grupo de investigación céntrase na aplicación de tecnoloxías avanzadas da información no campo dos tumores oncohematolóxicos. Estes enfoques, reflectidos na diversidade da nosa investigación, centráronse nos seguintes obxectivos principais:

1. Identificación de xenes que impulsan a oncoxénese e a progresión tumoral en neoplasias hematolóxicas.
2. Identificación de vías de sinalización alteradas de xeito recorrente no xenoma de tumores hematolóxicos.
3. Desenvolvemento de modelos pronósticos de aprendizaxe automática en diferentes tipos de malignidades oncohematolóxicas baseados en información clínica e molecular.
4. Desenvolvemento de modelos preditivos de resposta a fármacos ou combinacións de fármacos baseados na integración de variables moleculares e clínicas.

Liñas de investigación

1. Desenvolvemento de novos modelos prognósticos baseados en datos de grupos colaborativos nacionais e internacionais.
2. Estandarización de modelos clínicos e moleculares para mellorar a estratificación do risco de pacientes con neoplasias hematolóxicas, en particular linfomas, mielomas e neoplasias mieloides.
3. Desenvolvemento de novas puntuacións para predicir a resposta aos fármacos nos ensaios clínicos.
4. Creación de novos sistemas de visión por ordenador (computer vision) para inferir patróns prognósticos baseados en redes neuronais profundas e transferencia de aprendizaxe.
5. Optimización do desenvolvemento preclínico de fármacos mediante ferramentas computacionais, incluíndo modelos de aprendizaxe automática.

Líder
Mosquera Orgueira, Adrián

• Mosquera Orgueira A, Cid López M, Peleteiro Raíndo A, Abuín Blanco A, Díaz Arias JÁ, González Pérez MS, Antelo Rodríguez B, Bao Pérez L, Ferreiro Ferro R, Aliste Santos C, Pérez Encinas MM, Fraga Rodríguez MF, Cerchione C, Mozas P, Bello López JL. Personally Tailored Survival Prediction of Patients With Follicular Lymphoma Using Machine Learning Transcriptome-Based Models.  Front Oncol. 2022 Jan 10;11:705010; doi: 10.3389/fonc.2021.705010.  Impacto: 5,74. Decil: 7. Cuartil: 2. Artigo Orixinal. PMID: 35083135.
• Mosquera Orgueira A, Peleteiro Raindo A, Diaz Arias JA, Antelo Rodriguez B, Lopez Riñon M, Cerchione C, Gonzalez Perez MS, Martinelli G, Montesis Fernandez P, Perez Encinas MM. Evaluation of the Stellae-123 prognostic gene expression signature in Acute Myeloid Leukemia. Front. Oncol. 2022 Aug; doi: 10.3389/fonc.2022.968340. Impacto: 5,74. Decil: 7. Cuartil: 2. Artigo Orixinal. PMID: 36059646.
•  Mosquera Orgueira A, Díaz Arías JÁ, Cid López M, Peleteiro Raíndo A, López García A, Abal García R, González Pérez MS, Antelo Rodríguez B, Aliste Santos C, Pérez Encinas MM, Fraga Rodríguez MF, Bello López JL. Prognostic Stratification of Diffuse Large B-cell Lymphoma Using Clinico-genomic Models: Validation and Improvement of the LymForest-25 Model. Hemasphere. 2022 Mar 25;6(4):e706; doi: 10.1097/HS9.0000000000000706. Impacto: 8,3. Decil: 7. Cuartil: 2. Artigo Orixinal. PMID: 35392483.
• Mosquera Orgueira A, González Pérez MS, Díaz Arías JÁ, Antelo Rodriguez B and Mateos Manteca MV. Prognostic Stratification of Multiple Myeloma Using Clinicogenomic Models: Validation and Performance Analysis of the IAC-50 Model. Hemasphere. 2022 Aug 04;6(8):e760; doi: 10.1097/HS9.0000000000000760. Impacto: 8,3. Decil: 7. Cuartil: 2. Artigo Orixinal. PMID: 35935610.
• Mosquera Orgueira A, González Pérez MS, Diaz Arias J, Rosiñol L, Oriol A, Teruel AI, Martinez Lopez J, Palomera L, Granell M, Blanchard MJ, de la Rubia J, López de la Guia A, Rios R, Sureda A, Hernández MT, Bengoechea E, Calasanz MJ, Gutierrez N, Martin ML, Blade J, Lahuerta JJ, San Miguel J, Mateos MV; PETHEMA/GEM Cooperative Group. Unsupervised machine learning improves risk stratification in newly diagnosed multiple myeloma: an analysis of the Spanish Myeloma Group. Blood Cancer J. 2022 Apr 25;12(4):76; doi: 10.1038/s41408-022-00647-z. Impacto: 9,81. Decil: 9. Cuartil: 1. Artigo Orixinal. PMID: 35468898.
• Mosquera Orgueira A, González Pérez MS, Díaz Arias JÁ, Antelo Rodríguez B, Alonso Vence N, Bendaña López Á, Abuín Blanco A, Bao Pérez L, Peleteiro Raíndo A, Cid López M, Pérez Encinas MM, Bello López JL, Mateos Manteca MV. Survival prediction and treatment optimization of multiple myeloma patients using machine-learning models based on clinical and gene expression data. PMID: 34007046. Leukemia. 2021 Oct;35(10):2924-2935; doi: 10.1038/s41375-021-01286-2. Impacto: 12,90. Decil: 1. Cuartil: 1. Artigo Orixinal.
• Mosquera Orgueira A, Peleteiro Raíndo A, Cid López M, Díaz Arias JÁ, González Pérez MS, Antelo Rodríguez B, Alonso Vence N, Bao Pérez L, Ferreiro Ferro R, Albors Ferreiro M, Abuín Blanco A, Fontanes Trabazo E, Cerchione C, Martinnelli G, Montesinos Fernández P, Mateo Pérez Encinas M, Luis Bello López J. Personalized Survival Prediction of Patients With Acute Myeloblastic Leukemia Using Gene Expression Profiling. Front Oncol. 2021 Mar 29;11:657191; doi: 10.3389/fonc.2021.657191. Impacto: 5,74. Decil: 7. Cuartil: 2. Artigo Orixinal. PMID: 33854980
• Mosquera Orgueira A, Cid López M, Peleteiro Raíndo A, Díaz Arias JÁ, Antelo Rodríguez B, Bao Pérez L, Alonso Vence N, Bendaña López Á, Abuin Blanco A, Melero Valentín P, Ferreiro Ferro R, Aliste Santos C, Fraga Rodríguez MF, González Pérez MS, Pérez Encinas MM, Bello López JL. Detection of Rare Germline Variants in the Genomes of Patients with B-Cell Neoplasms.  Cancers. 2021; 13(6):1340; doi: 10.3390/cancers13061340. Impacto: 6,57. Decil: 8. Cuartil: 1. Artigo Orixinal. PMID: 33809641.