Shreshth Rajan*
Evidentemente, se requiere una medicina personalizada y específica para cada paciente para administrar terapias optimizadas y prevenir la mortalidad relacionada con el tratamiento. Con el fin de desarrollar un modelo predictivo para la terapia del cáncer de mama, el siguiente estudio analizó los datos de ARNm de 4.704 genes derivados de 20 pacientes con cáncer de mama antes y después del tratamiento con doxorrubicina durante 16 semanas. Los datos genómicos de cada paciente se estratificaron primero en 9 grupos según la expresión de ARNm en respuesta al tumor y al tratamiento con doxorrubicina. Luego, el estudio empleó la ecuación de distribución de Planck (PDE) descubierta en la Universidad de Rutgers para modelar las muestras estratificadas transformando cada mecanismo en un único histograma de cola larga ajustado por la PDE. La PDE es un algoritmo novedoso que se utiliza para mapear linealmente histogramas de cola larga en una categoría dada de funciones en el plano de Planck. Nuestro modelo de PDE se basa en 3 parámetros: A, B y C, de los cuales 2 se extrajeron de cada modelo para generar los gráficos. Luego se determinaron las pendientes inducidas por fármacos de los gráficos A frente a C para los 9 mecanismos de cada paciente. El estudio observó un aumento en los niveles de ARNm posteriores al tratamiento para los pacientes que sobrevivieron más tiempo en 6 grupos distintos de genes. Un análisis posterior mostró cómo el tratamiento farmacológico alteró de manera única cada uno de los 9 mecanismos en función de la duración de la supervivencia del paciente. Estos resultados indican que los procedimientos basados en PDE descritos en este documento pueden proporcionar una nueva herramienta para descubrir posibles fármacos contra el cáncer de mama.