E060 – Hematología computacional y genómica (Grheco Xen)

Objetivos

El presente grupo de investigación se ha centrado en la aplicación de tecnologías de la información avanzadas en el campo de los tumores oncohematológicos. Dichas aproximaciones, reflejadas en la diversidad de nuestras investigaciones, se han centrado en los siguientes objetivos principales:

1. Identificación de genes conductores de la oncogénesis y progresión tumoral en neoplasias hematológicas.
2. Identificación de vías de señalización recurrentemente alteradas en el genoma de los tumores hematológicos.
3. Desarrollo de modelos pronósticos de aprendizaje automático en diferentes tipos de neoplasias oncohematológicas en base a información clínica y molecular
4. Desarrollo de modelos predictivos de respuesta a fármacos o combinaciones de fármacos en base a la integración de variables moleculares y clínicas.

Líneas de investigación

1. Desarrollo de nuevos modelos pronósticos en base a datos de grupos colaborativos nacionales e internacionales.
2. Estandarización de modelos clínicos y moleculares para mejorar la estratificación de riesgo de los pacientes con neoplasias hematológicas, en particular linfomas, mielomas y neoplasias mieloides.
3. Desarrollo de nuevos scores para predecir la respuesta a fármacos dentro de ensayos clínicos.
4. Creación de nuevos sistemas de visión por computadora (computer vision) para inferir patrones pronósticos en base a redes neuronales profundas y transferencia de aprendizaje.
5. Optimización del desarrollo preclínico de fármacos mediante herramientas computacionales, incluyendo modelos de aprendizaje automático.

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.