Key points are not available for this paper at this time.
No dinâmico cenário das terapias direcionadas, a descoberta de medicamentos se voltou para a compreensão dos mecanismos subjacentes das doenças, colocando uma forte ênfase nas perturbações moleculares e na identificação de alvos. Essa mudança de paradigma, crucial para a descoberta de medicamentos, é sustentada por grandes volumes de dados, uma força transformadora na era atual. Dados ômicos, caracterizados por sua heterogeneidade e enormidade, trouxeram a pesquisa biológica e biomédica para o domínio do big data. Reconhecendo a importância da integração de diferentes estratos de dados ômicos, conhecidos como estudos multi-ômicos, os pesquisadores investigam as intrincadas inter-relações entre as várias camadas ômicas. Esta revisão navega pelo vasto panorama ômico, apresentando ensaios personalizados para cada camada molecular, desde os genomas até os metabolomas. O imenso volume de dados gerados exige técnicas de informática sofisticadas, com algoritmos de aprendizado de máquina (ML) surgindo como ferramentas robustas. Esses conjuntos de dados não apenas refinam a classificação de doenças, mas também aprimoram diagnósticos e fomentam o desenvolvimento de estratégias terapêuticas direcionadas. Através da integração de dados de alto desempenho, a revisão foca em direcionar e modelar múltiplas redes reguladas pela doença, validando interações com múltiplos alvos e aumentando o potencial terapêutico utilizando abordagens de farmacologia de rede. Em última análise, esta exploração visa iluminar o impacto transformador dos multi-ômicos na era do big data, moldando o futuro da pesquisa biológica.
Mukherjee et al. (Terça-feira,) estudaram esta questão.