{"id":2869,"date":"2018-02-02T05:22:58","date_gmt":"2018-02-02T05:22:58","guid":{"rendered":"https:\/\/blog.kolabtree.com\/?p=2869"},"modified":"2018-07-27T13:15:47","modified_gmt":"2018-07-27T13:15:47","slug":"7-ways-cancer-research-can-benefit-from-big-data","status":"publish","type":"post","link":"https:\/\/www.kolabtree.com\/blog\/es\/7-formas-en-que-la-investigacion-del-cancer-puede-beneficiarse-de-los-grandes-datos\/","title":{"rendered":"7 formas en que la investigaci\u00f3n del c\u00e1ncer puede beneficiarse de los Big Data"},"content":{"rendered":"<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_45_1 counter-flat ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\">Tabla de contenidos<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" area-label=\"ez-toc-toggle-icon-1\"><label for=\"item-69f654b2c7d34\" aria-label=\"Tabla de contenidos\"><span style=\"display: flex;align-items: center;width: 35px;height: 30px;justify-content: center;direction:ltr;\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewbox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewbox=\"0 0 24 24\" version=\"1.2\" baseprofile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/label><input  type=\"checkbox\" id=\"item-69f654b2c7d34\"><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1' ><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/www.kolabtree.com\/blog\/es\/7-formas-en-que-la-investigacion-del-cancer-puede-beneficiarse-de-los-grandes-datos\/#1_Sequencing_Cancer_Genomes_of_Humans\" title=\"1. Secuenciaci\u00f3n de los genomas del c\u00e1ncer en humanos\">1. Secuenciaci\u00f3n de los genomas del c\u00e1ncer en humanos<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/www.kolabtree.com\/blog\/es\/7-formas-en-que-la-investigacion-del-cancer-puede-beneficiarse-de-los-grandes-datos\/#2_High-Throughput_Sequencing_of_Patient_Samples\" title=\"2. Secuenciaci\u00f3n de alto rendimiento de muestras de pacientes\">2. Secuenciaci\u00f3n de alto rendimiento de muestras de pacientes<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/www.kolabtree.com\/blog\/es\/7-formas-en-que-la-investigacion-del-cancer-puede-beneficiarse-de-los-grandes-datos\/#3_Sequencing_Genomes_of_Other_Organisms\" title=\"3. Secuenciaci\u00f3n de genomas de otros organismos\">3. Secuenciaci\u00f3n de genomas de otros organismos<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/www.kolabtree.com\/blog\/es\/7-formas-en-que-la-investigacion-del-cancer-puede-beneficiarse-de-los-grandes-datos\/#4_Transcriptome_Analysis_for_Better_Cancer_Monitoring\" title=\"4. An\u00e1lisis del transcriptoma para un mejor seguimiento del c\u00e1ncer\">4. An\u00e1lisis del transcriptoma para un mejor seguimiento del c\u00e1ncer<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/www.kolabtree.com\/blog\/es\/7-formas-en-que-la-investigacion-del-cancer-puede-beneficiarse-de-los-grandes-datos\/#5_Incorporating_Machine_Learning_Algorithms_For_Diagnostic_Modelling\" title=\"5. Incorporaci\u00f3n de algoritmos de aprendizaje autom\u00e1tico para la elaboraci\u00f3n de modelos de diagn\u00f3stico\">5. Incorporaci\u00f3n de algoritmos de aprendizaje autom\u00e1tico para la elaboraci\u00f3n de modelos de diagn\u00f3stico<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/www.kolabtree.com\/blog\/es\/7-formas-en-que-la-investigacion-del-cancer-puede-beneficiarse-de-los-grandes-datos\/#6_Presenting_Greater_Clarity_on_Disease_Prognosis\" title=\"6. Presentar una mayor claridad en el pron\u00f3stico de la enfermedad\">6. Presentar una mayor claridad en el pron\u00f3stico de la enfermedad<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/www.kolabtree.com\/blog\/es\/7-formas-en-que-la-investigacion-del-cancer-puede-beneficiarse-de-los-grandes-datos\/#7_Clinical_Data_also_Presents_Viable_Answers_for_Cancer_Relapses\" title=\"7. Los datos cl\u00ednicos tambi\u00e9n presentan respuestas viables para las reca\u00eddas del c\u00e1ncer\">7. Los datos cl\u00ednicos tambi\u00e9n presentan respuestas viables para las reca\u00eddas del c\u00e1ncer<\/a><\/li><\/ul><\/nav><\/div>\n<p>Data is ubiquitous in healthcare\u2014from hospitals, laboratories and <a href=\"https:\/\/www.kolabtree.com\/blog\/es\/ensuring-reproducibility-in-ai-driven-research-how-freelance-experts-can-help-in-biotech-and-healthcare\/\">investigaci\u00f3n<\/a> centres to surveillance systems, data makes up an indiscriminate part of healthcare systems. In fact, there\u00a0is a myriad of types of data in biosciences research collected through clinical research or generated by genome sequencing or computational drug modelling. <a href=\"https:\/\/www.kolabtree.com\/find-an-expert\/subject\/oncology?utm_source=BlogCancer\">Investigaci\u00f3n sobre el c\u00e1ncer<\/a> en particular se beneficia de las aplicaciones de big data y anal\u00edtica. Los programas de cribado del c\u00e1ncer inician ricos repertorios de datos de im\u00e1genes y de laboratorio, que requieren un an\u00e1lisis en profundidad y pruebas repetidas para que se pueda obtener un valor real de ellos. Las pruebas repetidas y el an\u00e1lisis de datos permiten a los investigadores cl\u00ednicos desarrollar mejores medicamentos, comprender sus atributos <em>in vivo<\/em> y producir nuevos tipos de f\u00e1rmacos para combatir el c\u00e1ncer.<\/p>\n<p>No es un secreto que <a href=\"https:\/\/www.kolabtree.com\/find-an-expert\/subject\/data-analysis\">datos masivos<\/a> se considera como el m\u00e9todo seguro para descifrar la complejidad del c\u00e1ncer.  La necesidad de establecer nuevos mecanismos para tratar el c\u00e1ncer ha llevado a las empresas a investigar herramientas de visualizaci\u00f3n y an\u00e1lisis de datos. Capturar, recopilar, almacenar y analizar los datos de las c\u00e9lulas cancerosas es un juego completamente nuevo en el que\u00a0<strong>IA ben\u00e9vola<\/strong>,<strong>\u00a010X Genomics<\/strong>,<strong>\u00a0Medicina Ins\u00edlica<\/strong>\u00a0y\u00a0<strong>NuMedii<\/strong>\u00a0han alcanzado sus primeros hitos.<i>\u00a0<\/i>De hecho, 10X Genomics ha ido m\u00e1s all\u00e1 para ofrecer servicios de secuenciaci\u00f3n del genoma completo, secuenciaci\u00f3n del exoma y an\u00e1lisis del transcriptoma de una sola c\u00e9lula que indican claramente las secuencias gen\u00e9ticas propensas al c\u00e1ncer en el ADN, el ARNm y las cadenas polipept\u00eddicas, respectivamente. Son pocos los que utilizan marcos de datos m\u00e1s amplios, mecanismos de cribado novedosos y algoritmos de filtrado de datos de alta definici\u00f3n para probar f\u00e1rmacos contra el c\u00e1ncer en una amplia gama de entornos celulares.<\/p>\n<p>La aplicabilidad de los macrodatos en el diagn\u00f3stico, la experimentaci\u00f3n y la gesti\u00f3n del c\u00e1ncer est\u00e1 siendo aclamada como el paso vital hacia la investigaci\u00f3n oncol\u00f3gica de siguiente nivel. He aqu\u00ed 7 formas en las que el big data est\u00e1 influyendo en la investigaci\u00f3n del c\u00e1ncer.<\/p>\n<h4><span class=\"ez-toc-section\" id=\"1_Sequencing_Cancer_Genomes_of_Humans\"><\/span>1. Secuenciaci\u00f3n de los genomas del c\u00e1ncer en humanos<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p><img decoding=\"async\" src=\"https:\/\/www.thermofisher.com\/blog\/wp-content\/uploads\/sites\/6\/2017\/05\/shutterstock_430479463.jpg\" \/><\/p>\n<p>Todas las c\u00e9lulas de nuestro cuerpo tienen el mismo n\u00famero de cromosomas y aproximadamente el mismo volumen de ADN. Pero las c\u00e9lulas cancerosas presentan distintas aberraciones en el contenido cromos\u00f3mico y el crecimiento, que, si se someten a una visualizaci\u00f3n in silico, pueden utilizarse para aprovechar la informaci\u00f3n hasta el nivel del ADN. Estos estudios de secuenciaci\u00f3n pueden ayudar a los bi\u00f3logos celulares, bioinform\u00e1ticos, bi\u00f3logos moleculares y nanobiotecn\u00f3logos a desarrollar mejores m\u00e9todos para eliminar las anomal\u00edas cromos\u00f3micas, lo que puede conducir a posibles v\u00edas terap\u00e9uticas.<\/p>\n<h4><span class=\"ez-toc-section\" id=\"2_High-Throughput_Sequencing_of_Patient_Samples\"><\/span>2. Secuenciaci\u00f3n de alto rendimiento de muestras de pacientes<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p>Estamos en la \u00e9poca en la que la medicina personalizada se est\u00e1 convirtiendo en algo habitual en la asistencia sanitaria y el c\u00e1ncer es el mayor campo de acci\u00f3n de ese progreso. Este empuje hacia la medicina personalizada ha hecho recaer en la biolog\u00eda computacional, la rama de la biolog\u00eda que hace que la asistencia sanitaria sea tan sofisticada como se ve hoy en d\u00eda. <strong><a href=\"https:\/\/research.cornell.edu\/news-features\/cancer-and-big-data-analytics\">Profesor Olivier Elemento<\/a><\/strong>experto en medicina computacional de la Universidad de Cornell, subraya que, dado que las c\u00e9lulas cancerosas cambian constantemente, evolucionan y se adaptan al entorno humano, ahora es m\u00e1s necesario que nunca disponer de tecnolog\u00edas de nueva generaci\u00f3n m\u00e1s r\u00e1pidas para descubrir la composici\u00f3n gen\u00e9tica de un tumor. Y el esfuerzo no acaba ah\u00ed, hay que identificar las secuencias de mutaci\u00f3n, segmentarlas y procesarlas en funci\u00f3n del gen expresado.<\/p>\n<h4><span class=\"ez-toc-section\" id=\"3_Sequencing_Genomes_of_Other_Organisms\"><\/span>3. Secuenciaci\u00f3n de genomas de otros organismos<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p><img decoding=\"async\" src=\"https:\/\/image.slidesharecdn.com\/ncigenomicsfairwashukibbe-170207033019\/95\/national-cancer-data-ecosystem-and-data-sharing-21-638.jpg?cb=1486440230\" alt=\"Resultado de imagen para datos sobre el c\u00e1ncer\" \/><\/p>\n<p>El primer genoma que se secuenci\u00f3 fue el de <em>Escherichia coli<\/em>un organismo unicelular. Entonces, los genomas de las plantas como <em>Arabidopsis thaliana<\/em> Se secuenciaron gusanos, reptiles y roedores no vertebrados. Con cada grado de complejidad que llevaban estos organismos, la secuenciaci\u00f3n del genoma se hizo m\u00e1s grande en cuanto a la comprensi\u00f3n del potencial de una sola c\u00e9lula para controlar, sensibilizar o alejar las c\u00e9lulas cancerosas. Tambi\u00e9n present\u00f3 teor\u00edas de trabajo detr\u00e1s de los desencadenantes del c\u00e1ncer. En la actualidad, los investigadores est\u00e1n analizando datos en tiempo real de l\u00edneas celulares de c\u00e1ncer de ovario de rat\u00f3n\/pollo para aumentar o mejorar los m\u00e9todos de detecci\u00f3n del c\u00e1ncer, adem\u00e1s de aumentar la precisi\u00f3n de las pruebas de cribado actualmente disponibles.<\/p>\n<h4><span class=\"ez-toc-section\" id=\"4_Transcriptome_Analysis_for_Better_Cancer_Monitoring\"><\/span>4. An\u00e1lisis del transcriptoma para un mejor seguimiento del c\u00e1ncer<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p>En la \u00faltima d\u00e9cada se han generado grandes bases de datos de cribado y datos experimentales s\u00f3lo durante los estudios relacionados con el c\u00e1ncer. Esto ha a\u00f1adido un valor crucial para mantener los genes marcadores que ahora son las herramientas de primera mano para el seguimiento de oncogenes, el descubrimiento de f\u00e1rmacos y los estudios de biocompatibilidad. Adem\u00e1s, algunas empresas extrapolan los datos del genoma del c\u00e1ncer para analizar los transcriptomas y la s\u00edntesis de prote\u00ednas. Esto es la clave para encontrar fragmentos de genes mal colocados y sus productos, por lo que ayuda a rastrear las mutaciones, tanto las conservadoras como las no conservadoras.<\/p>\n<h4><span class=\"ez-toc-section\" id=\"5_Incorporating_Machine_Learning_Algorithms_For_Diagnostic_Modelling\"><\/span>5. Incorporaci\u00f3n de algoritmos de aprendizaje autom\u00e1tico para la elaboraci\u00f3n de modelos de diagn\u00f3stico<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p>Los sistemas sanitarios almacenan enormes cantidades de datos, que las tecnolog\u00edas actuales han facilitado su utilizaci\u00f3n. Los investigadores biotecnol\u00f3gicos e interdisciplinarios est\u00e1n realizando vastos an\u00e1lisis de esas bases de datos mediante el uso de la alta velocidad <a href=\"https:\/\/blog.kolabtree.com\/artificial-intelligence-and-machine-learning-are-transforming-healthcare\/\">algoritmos de aprendizaje autom\u00e1tico<\/a> que pueden explorar los datos, interactuar con ellos y garantizar la m\u00e1xima precisi\u00f3n en la integraci\u00f3n de grandes bases de datos. Se est\u00e1n empleando algoritmos de aprendizaje autom\u00e1tico y sistemas de modelizaci\u00f3n de datos de alta tecnolog\u00eda para integrar los datos relacionados con el c\u00e1ncer procedentes de distintas fuentes con el fin de obtener una imagen m\u00e1s amplia de los tumores. Las herramientas de visualizaci\u00f3n de datos gen\u00e9ticos est\u00e1n haciendo furor en la detecci\u00f3n del c\u00e1ncer al permitir nuevos m\u00e9todos para comprobar el crecimiento de las c\u00e9lulas cancerosas y la muerte de las sanas. Esto se ha puesto en pr\u00e1ctica de forma efectiva al incorporar el Sistema de Informaci\u00f3n de Modificaci\u00f3n Gen\u00e9tica e Investigaci\u00f3n Cl\u00ednica, que son los sistemas de gesti\u00f3n de datos de investigaci\u00f3n de c\u00f3digo abierto m\u00e1s eficientes para visualizar datos de secuenciaci\u00f3n y cribado de alto rendimiento.<\/p>\n<h4><span class=\"ez-toc-section\" id=\"6_Presenting_Greater_Clarity_on_Disease_Prognosis\"><\/span>6. Presentar una mayor claridad en el pron\u00f3stico de la enfermedad<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p>Algunas herramientas de software de visualizaci\u00f3n de datos sanitarios, como el <strong>CancerLinQ<\/strong> que permiten a los m\u00e9dicos e intervencionistas acceder a datos m\u00e9dicos de alta calidad de los pacientes. Esto es importante porque ayuda a comprender las incidencias anteriores del c\u00e1ncer, la progresi\u00f3n de la enfermedad y el r\u00e9gimen de tratamiento previo. Los m\u00e9dicos consultan los datos m\u00e9dicos protegidos de los pacientes mediante herramientas de cribado y los utilizan para recomendar ensayos cl\u00ednicos, sugerir protocolos de tratamiento personalizados y decidir el alcance del tratamiento del c\u00e1ncer con mayor eficacia. En la actualidad, los hospitales que registran altas tasas de ingreso de pacientes con c\u00e1ncer tambi\u00e9n han empezado a utilizar <strong>Tarjetas de identificaci\u00f3n del tumor<\/strong> que permiten que sus datos sean accesibles de forma centralizada para su evaluaci\u00f3n cl\u00ednica.<\/p>\n<h4><span class=\"ez-toc-section\" id=\"7_Clinical_Data_also_Presents_Viable_Answers_for_Cancer_Relapses\"><\/span>7. Los datos cl\u00ednicos tambi\u00e9n presentan respuestas viables para las reca\u00eddas del c\u00e1ncer<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p>Cada vez son m\u00e1s los profesionales sanitarios que recurren a herramientas de an\u00e1lisis de datos para comprender las razones por las que algunos pacientes presentan tumores recidivantes y otros no. Los m\u00e9dicos est\u00e1n evaluando un gran n\u00famero de informes de casos que ayudan a evaluar los riesgos para la salud de los pacientes con una perspectiva mucho m\u00e1s amplia que antes. Aunque los informes de casos m\u00e9dicos se utilizan desde hace mucho tiempo, es ahora cuando su accesibilidad y utilidad han aumentado. Esto significa que los datos de laboratorio no se someten a procesos de identificaci\u00f3n est\u00e1ndar, sino que se eval\u00faan tras compararlos con otros casos notificados a nivel mundial. Esto hace que los datos sean el requisito clave para el tratamiento personalizado.<\/p>\n<p>El c\u00e1ncer evoluciona a un ritmo superior al de nuestros medicamentos. Por ello, si se pretende vencerlo, controlarlo o prevenirlo, es imprescindible canalizar los esfuerzos con un mejor reconocimiento de objetivos. El big data es esa tecnolog\u00eda fundamental que un cient\u00edfico del c\u00e1ncer debe aplicar para mejorar la calidad de la investigaci\u00f3n y establecer los mejores resultados m\u00e1s r\u00e1pidamente.<\/p>\n<p>_______________________________________<\/p>\n<p><em>Consulte a un<a href=\"https:\/\/www.kolabtree.com\/find-an-expert\/subject\/oncology?utm_source=BlogCancer\"> investigaci\u00f3n del c\u00e1ncer specialis<\/a>t o freelance\u00a0<a href=\"https:\/\/www.kolabtree.com\/find-an-expert\/subject\/data-analysis?utm_source=BlogCancer\">cient\u00edfico de datos<\/a> en Kolabtree.\u00a0<\/em><\/p>","protected":false},"excerpt":{"rendered":"<p>Data is ubiquitous in healthcare\u2014from hospitals, laboratories and research centres to surveillance systems, data makes up an indiscriminate part of healthcare systems. In fact, there\u00a0is a myriad of types of data in biosciences research collected through clinical research or generated by genome sequencing or computational drug modelling. Cancer research in particular benefits from the applications<\/p>\n<div class=\"read-more\"><a href=\"https:\/\/www.kolabtree.com\/blog\/es\/7-formas-en-que-la-investigacion-del-cancer-puede-beneficiarse-de-los-grandes-datos\/\" title=\"Leer m\u00e1s\">Leer m\u00e1s<\/a><\/div>","protected":false},"author":32,"featured_media":2906,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[247],"tags":[119,380,388,390,389],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v20.1 (Yoast SEO v20.1) - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>7 ways cancer research can benefit from big data | Kolabtree Blog<\/title>\n<meta name=\"description\" content=\"Transcriptome analysis, ML modelling and more: 7 ways big data is is helping advance cancer research, diagnosis and treatment.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.kolabtree.com\/blog\/es\/7-ways-cancer-research-can-benefit-from-big-data\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"7 Ways Cancer Research can Benefit from Big Data\" \/>\n<meta property=\"og:description\" content=\"Transcriptome analysis, ML modelling and more: 7 ways big data is is helping advance cancer research, diagnosis and treatment.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.kolabtree.com\/blog\/es\/7-ways-cancer-research-can-benefit-from-big-data\/\" \/>\n<meta property=\"og:site_name\" content=\"The Kolabtree Blog\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/kolabtree\" \/>\n<meta property=\"article:published_time\" content=\"2018-02-02T05:22:58+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2018-07-27T13:15:47+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2018\/02\/stem-cell-163711_1280.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1280\" \/>\n\t<meta property=\"og:image:height\" content=\"720\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Mahasweta Pal\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@kolabtree\" \/>\n<meta name=\"twitter:site\" content=\"@kolabtree\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"Mahasweta Pal\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data2\" content=\"5 minutos\" \/>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"7 ways cancer research can benefit from big data | Kolabtree Blog","description":"Transcriptome analysis, ML modelling and more: 7 ways big data is is helping advance cancer research, diagnosis and treatment.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.kolabtree.com\/blog\/es\/7-ways-cancer-research-can-benefit-from-big-data\/","og_locale":"es_ES","og_type":"article","og_title":"7 Ways Cancer Research can Benefit from Big Data","og_description":"Transcriptome analysis, ML modelling and more: 7 ways big data is is helping advance cancer research, diagnosis and treatment.","og_url":"https:\/\/www.kolabtree.com\/blog\/es\/7-ways-cancer-research-can-benefit-from-big-data\/","og_site_name":"The Kolabtree Blog","article_publisher":"https:\/\/www.facebook.com\/kolabtree","article_published_time":"2018-02-02T05:22:58+00:00","article_modified_time":"2018-07-27T13:15:47+00:00","og_image":[{"width":1280,"height":720,"url":"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2018\/02\/stem-cell-163711_1280.jpg","type":"image\/jpeg"}],"author":"Mahasweta Pal","twitter_card":"summary_large_image","twitter_creator":"@kolabtree","twitter_site":"@kolabtree","twitter_misc":{"Escrito por":"Mahasweta Pal","Tiempo de lectura":"5 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.kolabtree.com\/blog\/it\/7-ways-cancer-research-can-benefit-from-big-data\/#article","isPartOf":{"@id":"https:\/\/www.kolabtree.com\/blog\/it\/7-ways-cancer-research-can-benefit-from-big-data\/"},"author":{"name":"Mahasweta Pal","@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/person\/9e27a382e95318cf10b7fe808f31d913"},"headline":"7 Ways Cancer Research can Benefit from Big Data","datePublished":"2018-02-02T05:22:58+00:00","dateModified":"2018-07-27T13:15:47+00:00","mainEntityOfPage":{"@id":"https:\/\/www.kolabtree.com\/blog\/it\/7-ways-cancer-research-can-benefit-from-big-data\/"},"wordCount":1088,"commentCount":0,"publisher":{"@id":"https:\/\/www.kolabtree.com\/blog\/#organization"},"keywords":["Big Data","cancer treatment","gene therapy","healthcare analytics","research without borders"],"articleSection":["Guest posts"],"inLanguage":"es","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/www.kolabtree.com\/blog\/it\/7-ways-cancer-research-can-benefit-from-big-data\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/www.kolabtree.com\/blog\/it\/7-ways-cancer-research-can-benefit-from-big-data\/","url":"https:\/\/www.kolabtree.com\/blog\/it\/7-ways-cancer-research-can-benefit-from-big-data\/","name":"7 ways cancer research can benefit from big data | Kolabtree Blog","isPartOf":{"@id":"https:\/\/www.kolabtree.com\/blog\/#website"},"datePublished":"2018-02-02T05:22:58+00:00","dateModified":"2018-07-27T13:15:47+00:00","description":"Transcriptome analysis, ML modelling and more: 7 ways big data is is helping advance cancer research, diagnosis and treatment.","breadcrumb":{"@id":"https:\/\/www.kolabtree.com\/blog\/it\/7-ways-cancer-research-can-benefit-from-big-data\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.kolabtree.com\/blog\/it\/7-ways-cancer-research-can-benefit-from-big-data\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/www.kolabtree.com\/blog\/it\/7-ways-cancer-research-can-benefit-from-big-data\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.kolabtree.com\/blog\/"},{"@type":"ListItem","position":2,"name":"7 Ways Cancer Research can Benefit from Big Data"}]},{"@type":"WebSite","@id":"https:\/\/www.kolabtree.com\/blog\/#website","url":"https:\/\/www.kolabtree.com\/blog\/","name":"The Kolabtree Blog","description":"Expert Views on Science, Innovation and Product Development","publisher":{"@id":"https:\/\/www.kolabtree.com\/blog\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.kolabtree.com\/blog\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"es"},{"@type":"Organization","@id":"https:\/\/www.kolabtree.com\/blog\/#organization","name":"Kolabtree","url":"https:\/\/www.kolabtree.com\/blog\/","logo":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/logo\/image\/","url":"","contentUrl":"","caption":"Kolabtree"},"image":{"@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/kolabtree","https:\/\/twitter.com\/kolabtree","https:\/\/instagram.com\/kolabtree","https:\/\/www.linkedin.com\/company\/kolabtree","https:\/\/en.m.wikipedia.org\/wiki\/Kolabtree"]},{"@type":"Person","@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/person\/9e27a382e95318cf10b7fe808f31d913","name":"Mahasweta Pal","image":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/79ba39c5e6f127656d1177e94efc1946?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/79ba39c5e6f127656d1177e94efc1946?s=96&d=mm&r=g","caption":"Mahasweta Pal"},"description":"Mahasweta is a freelance medical writer and science communicator, with experience in creating technical documents, blog posts and news articles. She is a biotechnologist at heart with research experience in Tissue Engineering, Medical Imaging Devices and Industrial Microbiology. She majored in Biomedical Engineering from Vellore Institute of Technology and has served as an editor for journal publications from Elsevier, Wolters Kluwer Health and the Royal Society for Chemistry.","url":"https:\/\/www.kolabtree.com\/blog\/es\/author\/mahasweta-pal\/"}]}},"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/www.kolabtree.com\/blog\/es\/wp-json\/wp\/v2\/posts\/2869"}],"collection":[{"href":"https:\/\/www.kolabtree.com\/blog\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.kolabtree.com\/blog\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/es\/wp-json\/wp\/v2\/users\/32"}],"replies":[{"embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/es\/wp-json\/wp\/v2\/comments?post=2869"}],"version-history":[{"count":11,"href":"https:\/\/www.kolabtree.com\/blog\/es\/wp-json\/wp\/v2\/posts\/2869\/revisions"}],"predecessor-version":[{"id":3862,"href":"https:\/\/www.kolabtree.com\/blog\/es\/wp-json\/wp\/v2\/posts\/2869\/revisions\/3862"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/es\/wp-json\/wp\/v2\/media\/2906"}],"wp:attachment":[{"href":"https:\/\/www.kolabtree.com\/blog\/es\/wp-json\/wp\/v2\/media?parent=2869"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/es\/wp-json\/wp\/v2\/categories?post=2869"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/es\/wp-json\/wp\/v2\/tags?post=2869"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}