Se añade a nuestra base del conocimiento una relación entre genes, enfermedades y fármacos.

El objetivo es aportar las evidencias necesarias para que se puedan elucidar los mecanismos moleculares por lo que los fármacos afectan a la función de determinados genes, y su papel en diferentes patologías.

Completar la información genómica con la correspondiente proteómica es imprescindible si queríamos completar nuestra base del conocimiento sobre el cerebro humano.

Partiendo de ontologías y bases de datos, describimos las funciones y relaciones de las proteinas expresadas en el cerebro humano, aportando siempre la evidencia científica que corrobora nuestros datos.

Actualmente existen una gran variedad de bases de datos genómicas, aportando cada una de ellas datos que en muchos casos son contradictorios, incompletos e incluso en ocasiones erróneos. Esto es debido por un lado a la heterogeneidad de los datos, y por otro lado, tal y como sucede con la creación de las ontologías, a la generación automática de estos datos sin una posterior comprobación.

Utilizando una gran variedad de bases de datos, entre las que se encuentran las más ampliamente aceptadas por la comunidad científica, hemos recopilado los datos más relevantes de los genes que se expresan en cerebro, aportando siempre la evidencia científica del conocimiento mostrado. Con el objetivo de aportar robustez a nuestra base del conocimiento, se cotejaron los diferentes datos de forma semi-manual.

BRAIN DYNAMICS APLICA EL RECONOCIMIENTO DEL MOVIMIENTO EN SUS APLICACIONES

Brain Dynamics, empresa EIBT (Empresa Innovadora de Base Tecnológica) dedicada al conocimiento del cerebro humano normal y patológico utilizando los últimos avances en neuroimagen y en tecnologías de la información y la comunicación (TIC).

Este nuevo uso está basado en el reconocimiento del movimiento a la hora de interactuar con las diferentes interfaces que la empresa está desarrollando.

Hemos establecido de forma indirecta las conexiones existentes entre el estudio poblacional de focos de activación para cada dominio y subdominio cognitivo contemplados, y el estudio tractográfico poblacional basado en imágenes de tensor de difusión (DTI), con el objetivo de establecer un modelo poblacional de conexiones entre los distintos focos de activación, con el fin de  conocer mejor las distintas redes de conexión entre distintas zonas cerebrales para cada actividad cognitiva.

De esta forma, es posible inferir las posibles relaciones causa-efecto en las activaciones de zonas cerebrales concretas.

Básandonos en el proyecto Connectome, que incluye más de 1200 estudios de fMRIrs (Resonancia Magnética funcional en estado de reposo), se ha seleccionado la metodología óptima para la extracción de información y su transformación en conocimiento.

Concretamente, se ha realizado un análisis “ROI-to-ROI” (ROI, región de interés) sobre RMf en estado de reposo, obteniéndose un modelo poblacional de las co-activaciones de las estructuras cerebrales, donde se incluye la probabilidad de que dos estructuras cerebrales determinadas se activen simultáneamente en reposo.

Estos datos han sido incorporados a nuestra base de datos de activaciones funcionales sobre dominios cognitivos concretos según la base de datos BrainMap, y comparadas entre sí para intentar determinar la naturaleza de estas activaciones, su relación con los dominios cognitivos clásicos.

Hemos desarrollado una serie de algoritmos con el objeto de realizar agrupación o clasificación de los tractos neuronales, procedentes de estudios de DTI (imagen por tensor de difusión).

La importancia de dicho agrupamiento de tractos radica en que podemos establecer relaciones de conectividad entre distintas zonas cerebrales, pudiendo así, una vez que se define el sentido de esa conexión, inferir la secuencia de activaciones para cada dominio cognitivo. Es decir, determinar qué "camino" recorre la información en el cerebro dada una tarea cognitiva, o  incluso deducir qué relación causa-efecto existe entre las activaciones de distintas áreas cerebrales relacionadas con distintas tareas cognitivas.

Además, dicho agrupamiento establece un atlas conectivo del cerebro, de forma que se puedan identificar tractos "anómalos", y, mediante estudios poblacionales, establecer la correlación de esos tractos anómalos con distintas patologías.

Se ha realizado un meta-análisis estadístico sobre estudios RMf para inferir la correlación existente entre estructura anatómica y función cognitiva.

Mediante la realización de este estudio, ha sido posible el filtrado del importante volumen de información contenida en BrainMap,  obteniendo como resultado final una base de datos que almacena la siguiente información: (1) La probabilidad de activación de cada  estructura cerebral para cada dominio cognitivo; (2) La probabilidad de que cada dominio cognitivo se encuentre relacionado con la activación de cada estructura cerebral; y, (3) La probabilidad de que dos estructuras se activen de manera simultánea por cada dominio cognitivo.

Se ha desarrollado una secuencia de procesado específica para estudios longitudinales, en los que se cuantifican cambios estructurales o funcionales en sujetos controlados a lo largo de un período de tiempo. Este tipo de estudios se ha convertido en un estándar a la hora de cuantificar los cambios estructurales como los explicados en el punto anterior.

Así, mediante la medida de diversos parámetros estructurales en el cerebro del mismo sujeto (con una patología dada), en diversos instantes de tiempo entre los cuales se incorporan distintos tratamientos, podemos evaluar la eficacia de los mismos  de forma objetiva, proporcionando además los datos concretos acerca de qué áreas del cerebro se ven modificadas.

Con esta evaluación, el tratamiento (farmacológico o no) obtiene una validación objetiva de su funcionamiento con respecto a la patología correspondiente

En algunos casos, es difícil diagnosticar una demencia sin datos objetivos. Es necesario desarrollar herramientas de apoyo a la toma de decisiones que, sin sustituir el criterio del especialista, le ayude en el diagnóstico presentando datos objetivos.

En este sentido hemos desarrollado una herramienta de ayuda a la toma de decisiones (basadas en datos objetivos obtenidos de un estudio centrado en casos con CDR=0.5), detectando los cambios estructurales compatibles con deterioro cognitivo leve, y cuya precisión al clasificar sujetos supera el 90%. Sin embargo, esta clasificación debe ser tomada con cautela pues es posible encontrar deterioros estructurales importantes en pacientes asintomáticos o con síntomas iniciales e inespecíficos.