My URL in Google Scholar: http://scholar.google.com/citations?user=Nw5lSdEAAAAJ My ORCID number 0000-0002-8236-0469. Scopus Author ID 6602302516.Hoy se rindió homenaje a un ilustre ingeniero e investigador que se interesó por medir el parecido entre dos formas, hallar maneras sencillas de describir las formas que los cuerpos tridimensionales poseen, y definir y medir nuevas propiedades (como la compacidad y la tortuosidad) de las formas.
En su tesis de maestría, la Ing. Paula Rosalía Flores Arce nos presenta grafos (mediante ilustraciones) que permiten hacer preguntas interesantes sobre fármacos, sus fórmulas químicas, enfermedades, compatibilidad de dos fármacos, etc. La tesis completa puede descargarse aquí. Para esto, Rosalía tuvo que integrar las siguientes bases de datos.
|
DDI de la TDC |
Contiene interacciones droga-droga, con 191,808 pares de interacciones entre 1,706 fármacos únicos. |
|
TWOSIDES de la TDC |
Contiene interacciones droga-droga, con 6,479,441 pares de interacciones entre 645 fármacos únicos. |
|
DrugBank |
Se obtuvo únicamente un conjunto de datos del DrugBank, que contiene identificadores de fármacos, y se usó para conseguir los nombres de los fármacos únicos del conjunto DDI |
|
ATC |
Es una clasificación recomendada por la WHO para el estudio de fármacos. |
|
CTD |
Es un conjunto de datos que contiene relaciones entre enfermedades y quimicos, relacionados con que fármaco se usa para tratar una enfermedad. |
|
ICD-10 |
Es una clasificación similar a la ATC, pero para la clasificación de enfermedades. |
RESUMEN. Conforme aumentan los años, aumenta la cantidad de información que se recolecta y se almacena; esta información complementa a otra (información) y puede ser de gran ayuda para el tratamiento de enfermedades. Actualmente, la cantidad de información que se obtiene puede ser demasiado grande para ordenarla en el típico enfoque tabular, y en lugar de eso, se han buscado representarlas como grafos de conocimiento. En este trabajo se tienen bases de datos cuyos enfoques, químico, farmacéutico, médico y genético, puedan funcionar de mejor manera como un grafo de conocimiento. El primer paso para representar estas diferentes bases de datos es integrarlas.
Esta integración se llevó a cabo con respecto a un estándar internacional, el CIE-10, con la intención de que el resultado del proyecto pueda ser consultado y de uso confiable para los médicos e investigadores interesados.
En este trabajo se llevó a cabo la visualización de las consultas sobre un fármaco en específico donde se pueden ubicar las enfermedades que se tratan con ese fármaco y por medio de la visualización de una enfermedad en específico se pueden ubicar los fármacos que tratan esa enfermedad. De esta manera se pueden sustituir medicamentos que tienen interacciones entre sí cuando un paciente los está tomando; también podemos encontrar qué medicamentos se pueden sustituir por otros para tratar esas enfermedades e incluso buscar nuevos usos para medicamentos ya desarrollados y probados lo que ahorra dinero y tiempo.
Se espera que este trabajo sea un punto de partida hacia el
descubrimiento de fármacos con ayuda de tecnologías digitales, ayudando a la
construcción e integración de los grafos heterogéneos de distintas bases de
datos con una clasificación internacional de enfermedades.
ABSTRACT. As the years go by, the amount of information that is collected and stored increases; information that complements other information and that can be of great help in the treatment of diseases. Currently, the amount of information obtained can be too large to be organized in the typical tabular approach, and instead, attempts have been made to represent it as knowledge graphs. In this work, we will have databases whose approaches, chemical, pharmaceutical, medical and genetic, can work better as a knowledge graph. The first step to represent these different databases is to integrate them.
This integration was done taking into consideration an international standard, the ICD-10, with the intention that the result of the project can be consulted and used reliably by interested physicians and researchers.
In this work, the focus is on the visualization of queries about a specific drug, where the diseases that are treated with that drug can be located and through the visualization of a specific disease, the drugs that treat that disease can be located. In this way, drugs that have interactions with each other can be replaced when a patient is taking them, we can also find which drugs can be replaced by others to treat those diseases and even search for new uses for drugs already developed and tested which saves money and time.
It is expected that this work will be a starting point towards drug discovery with the help of digital technologies, helping to build and integrate heterogeneous graphs of different databases with an international classification of diseases.
