Ponente
Descripción
Los síndromes de inestabilidad genómica (SIG) son enfermedades caracterizadas por defectos en el mantenimiento y reparación del ADN, lo que favorece la acumulación de mutaciones y aumenta la predisposición al desarrollo de carcinomas. El tratamiento de estos tumores representa un desafío, ya que muchas terapias convencionales actúan induciendo daño al ADN, provocando efectos adversos severos en pacientes con SIG. Por ello, es necesario explorar nuevas alternativas terapéuticas. Una posible estrategia consiste en estudiar el microambiente tumoral (MAT), cuyas características en pacientes con SIG permanecen poco exploradas. Recientemente, tecnologías de ómica espacial como la inmunofluorescencia cíclica en tejidos (t-CyCIF) han permitido caracterizar simultáneamente decenas de marcadores celulares preservando la organización espacial del tejido. Sin embargo, los datos generados por estas tecnologías son de alta dimensionalidad, por lo que su análisis aun representa un desafío importante. En este proyecto utilizamos análisis topológico de datos (TDA) para caracterizar el MAT en pacientes con SIG a partir de datos de t-CyCIF. Nuestros resultados muestran que el TDA permite distinguir entre tejido tumoral de pacientes con y sin SIG, así como identificar interacciones celulares potencialmente relevantes en la progresión tumoral, las cuales podrían contribuir al desarrollo de terapias alternativas contra el cáncer.