%0 Thesis
%A Parra Garcés, Raúl Miguel
%8 2022-11
%U https://hdl.handle.net/20.500.12880/5117
%X Los modelos computacionales basados en la biología de sistemas nos permiten estudiar
procesos biológicos complejos. El algoritmo HiPathia es un modelo mecanístico de
análisis de vías de señalización que proporciona interpretaciones de las consecuencias 
que tienen los niveles de expresión génica sobre los circuitos de señalización y la 
funcionalidad celular. Esto permite realizar simulaciones de los mecanismos de 
enfermedad o la respuesta a fármacos (farmacocinética y farmacodinámica), con la 
intención de predecir su eficacia y sus posibles efectos adversos a partir de datos de 
expresión de genes en muestras de tejido. 
Para ello se implementaron, por medio de un parseador automático, tres vías de 
metabolismo de fármacos disponibles en las bases de datos PharmGKB, y se adaptó la 
información de estas rutas a la herramienta HiPathia. Posteriormente datos de hígado
sano disponibles en GTEx, fueron utilizados para anális de expresión diferencial de 
genes. Aquí se presentan tres casos de uso: fluoropirimidinas, tiopurinas y metotrexato. 
Se detectaron un total de 206 nodos, y 27 circuitos con activación diferencial.
El enfoque actual centrados en genes individuales y sus variantes ignora la complejidad 
de los procesos celulares que explican los fenotipos de metabolización. Por tanto, el uso 
de modelos mecanísticos abren nuevas vías para comprender las complejas relaciones 
entre los genes que, en última instancia, permiten la inferencia del fenotipo de 
metabolización.
Por medio de su implementación con 3 casos de uso, se demuestra que los métodos de 
análisis mecanístico de rutas, por medio de la herramienta HiPathia, pueden ayudar a 
descubrir mecanicistas biomarcadores predictivos de la eficacia y la toxicidad de 
fármacos.
%T Implementación de mapas de acción farmacogenómica a la herramienta de análisis mecanístico HiPathia
%K Farmacogenética
%K Famacocinética
%K Famacodinámica
%K Análisis mecanístico
%K Expresión diferencial de genes
%~ END