{"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\/pt\/7-ways-cancer-research-can-benefit-from-big-data\/","title":{"rendered":"7 maneiras como a pesquisa do c\u00e2ncer pode se beneficiar de grandes dados"},"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\">Tabela de Conte\u00fados<\/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-69f654b31be6e\" aria-label=\"Table of Content\"><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-69f654b31be6e\"><\/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\/pt\/7-ways-cancer-research-can-benefit-from-big-data\/#1_Sequencing_Cancer_Genomes_of_Humans\" title=\"1. Seq\u00fcenciamento de genomas de c\u00e2ncer de seres humanos\">1. Seq\u00fcenciamento de genomas de c\u00e2ncer de seres humanos<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/www.kolabtree.com\/blog\/pt\/7-ways-cancer-research-can-benefit-from-big-data\/#2_High-Throughput_Sequencing_of_Patient_Samples\" title=\"2. Sequenciamento de Amostras de Alto Rendimento de Amostras de Pacientes\">2. Sequenciamento de Amostras de Alto Rendimento de Amostras 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\/pt\/7-ways-cancer-research-can-benefit-from-big-data\/#3_Sequencing_Genomes_of_Other_Organisms\" title=\"3. Seq\u00fcenciamento de Genomas de Outros Organismos\">3. Seq\u00fcenciamento de Genomas de Outros Organismos<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/www.kolabtree.com\/blog\/pt\/7-ways-cancer-research-can-benefit-from-big-data\/#4_Transcriptome_Analysis_for_Better_Cancer_Monitoring\" title=\"4. An\u00e1lise Transcriptom\u00e9trica para um Melhor Monitoramento do C\u00e2ncer\">4. An\u00e1lise Transcriptom\u00e9trica para um Melhor Monitoramento do C\u00e2ncer<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/www.kolabtree.com\/blog\/pt\/7-ways-cancer-research-can-benefit-from-big-data\/#5_Incorporating_Machine_Learning_Algorithms_For_Diagnostic_Modelling\" title=\"5. Incorpora\u00e7\u00e3o de Algoritmos de Aprendizagem de M\u00e1quinas para Modelagem Diagn\u00f3stica\">5. Incorpora\u00e7\u00e3o de Algoritmos de Aprendizagem de M\u00e1quinas para Modelagem Diagn\u00f3stica<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/www.kolabtree.com\/blog\/pt\/7-ways-cancer-research-can-benefit-from-big-data\/#6_Presenting_Greater_Clarity_on_Disease_Prognosis\" title=\"6. Apresentando uma maior clareza sobre o progn\u00f3stico de doen\u00e7as\">6. Apresentando uma maior clareza sobre o progn\u00f3stico de doen\u00e7as<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/www.kolabtree.com\/blog\/pt\/7-ways-cancer-research-can-benefit-from-big-data\/#7_Clinical_Data_also_Presents_Viable_Answers_for_Cancer_Relapses\" title=\"7. Dados cl\u00ednicos tamb\u00e9m apresentam respostas vi\u00e1veis para relatos de c\u00e2ncer\">7. Dados cl\u00ednicos tamb\u00e9m apresentam respostas vi\u00e1veis para relatos de c\u00e2ncer<\/a><\/li><\/ul><\/nav><\/div>\n<p>Data is ubiquitous in healthcare\u2014from hospitals, laboratories and <a href=\"https:\/\/www.kolabtree.com\/blog\/pt\/ensuring-reproducibility-in-ai-driven-research-how-freelance-experts-can-help-in-biotech-and-healthcare\/\">pesquisa<\/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\">Pesquisa de c\u00e2ncer<\/a> em particular, beneficia-se das aplica\u00e7\u00f5es de grandes dados e an\u00e1lises. Os programas de triagem de c\u00e2ncer iniciam ricos repert\u00f3rios de imagens e dados de laborat\u00f3rio, que requerem an\u00e1lises profundas e testes repetidos para que se obtenha um valor real a partir deles. Os testes repetidos e a an\u00e1lise de dados permitem aos pesquisadores cl\u00ednicos desenvolver melhores medicamentos, compreender seus atributos <em>in vivo<\/em> e produzir novos tipos de medicamentos para combater o c\u00e2ncer.<\/p>\n<p>N\u00e3o \u00e9 segredo que <a href=\"https:\/\/www.kolabtree.com\/find-an-expert\/subject\/data-analysis\">grandes dados<\/a> \u00e9 considerado como o m\u00e9todo seguro para quebrar a complexidade do c\u00e2ncer.  H\u00e1 um impulso para estabelecer novos mecanismos para tratar o c\u00e2ncer, o que levou as empresas a investigar ferramentas de visualiza\u00e7\u00e3o\/an\u00e1lise de dados. Capturar, coletar, armazenar e analisar dados de c\u00e9lulas cancer\u00edgenas \u00e9 um novo jogo de bola no qual\u00a0<strong>IA benevolente<\/strong>,<strong>\u00a010X Gen\u00f4mica<\/strong>,<strong>\u00a0Medicina Insilico<\/strong>\u00a0e\u00a0<strong>NuMedii<\/strong>\u00a0alcan\u00e7aram seus primeiros marcos.<i>\u00a0<\/i>De fato, a 10X Genomics percorreu a milha extra para fornecer seq\u00fcenciamento de genoma inteiro, seq\u00fcenciamento de exoma e servi\u00e7os de an\u00e1lise de transcriptoma de c\u00e9lula \u00fanica que indicam vividamente seq\u00fc\u00eancias gen\u00e9ticas propensas ao c\u00e2ncer nas cadeias de DNA, mRNA e polip\u00e9ptidos, respectivamente. Poucos outros est\u00e3o utilizando estruturas de dados mais amplas, novos mecanismos de triagem e algoritmos de filtragem de dados de alta defini\u00e7\u00e3o para testar medicamentos contra o c\u00e2ncer em uma ampla gama de ambientes celulares.<\/p>\n<p>A aplicabilidade de grandes dados no diagn\u00f3stico, experimenta\u00e7\u00e3o e gerenciamento do c\u00e2ncer est\u00e1 sendo aclamada como o passo vital para a pesquisa de c\u00e2ncer de n\u00edvel superior. Aqui est\u00e3o 7 maneiras como os grandes dados est\u00e3o impactando a pesquisa do c\u00e2ncer.<\/p>\n<h4><span class=\"ez-toc-section\" id=\"1_Sequencing_Cancer_Genomes_of_Humans\"><\/span>1. Seq\u00fcenciamento de genomas de c\u00e2ncer de seres 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>Cada c\u00e9lula de nosso corpo tem o mesmo n\u00famero de cromossomos e aproximadamente o mesmo volume de DNA. Mas as c\u00e9lulas cancer\u00edgenas apresentam aberra\u00e7\u00f5es distintas no conte\u00fado e crescimento cromoss\u00f4mico, que, se submetidas \u00e0 visualiza\u00e7\u00e3o em silico, podem ser usadas para aproveitar as informa\u00e7\u00f5es at\u00e9 o n\u00edvel de DNA. Estes estudos de seq\u00fcenciamento podem ajudar bi\u00f3logos celulares, bioinform\u00e1ticos, bi\u00f3logos moleculares e nanobiotecn\u00f3logos a desenvolver melhores m\u00e9todos para remover anormalidades cromoss\u00f4micas, o que pode levar a poss\u00edveis rotas terap\u00eauticas.<\/p>\n<h4><span class=\"ez-toc-section\" id=\"2_High-Throughput_Sequencing_of_Patient_Samples\"><\/span>2. Sequenciamento de Amostras de Alto Rendimento de Amostras de Pacientes<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p>Estamos na era em que a medicina personalizada est\u00e1 se tornando comum na \u00e1rea da sa\u00fade e o c\u00e2ncer \u00e9 o maior escopo para esse progresso. Este impulso em dire\u00e7\u00e3o \u00e0 medicina personalizada colocou o \u00f4nus da biologia computacional, o ramo da biologia que torna a sa\u00fade t\u00e3o sofisticada como \u00e9 vista hoje. <strong><a href=\"https:\/\/research.cornell.edu\/news-features\/cancer-and-big-data-analytics\">Professor Olivier Elemento<\/a><\/strong>Um especialista em Medicina Computacional na Universidade Cornell destaca que, como as c\u00e9lulas cancerosas est\u00e3o sempre mudando, evoluindo e se adaptando aos ambientes humanos, tecnologias de \u00faltima gera\u00e7\u00e3o mais r\u00e1pidas s\u00e3o mais necess\u00e1rias agora do que nunca para descobrir a composi\u00e7\u00e3o gen\u00e9tica de um tumor. E o esfor\u00e7o n\u00e3o termina a\u00ed, as seq\u00fc\u00eancias de muta\u00e7\u00e3o t\u00eam que ser identificadas, segmentadas e processadas com rela\u00e7\u00e3o ao gene expresso.<\/p>\n<h4><span class=\"ez-toc-section\" id=\"3_Sequencing_Genomes_of_Other_Organisms\"><\/span>3. Seq\u00fcenciamento de Genomas de Outros 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 imagem para dados sobre c\u00e2ncer\" \/><\/p>\n<p>O primeiro genoma a ser sequenciado foi de <em>Escherichia coli<\/em>um organismo unicelular. Em seguida, genomas vegetais como <em>Arabidopsis thaliana<\/em> e n\u00e3o vertebrados, r\u00e9pteis e roedores foram sequenciados, Com cada grau de complexidade que estes organismos carregavam, a sequencia\u00e7\u00e3o do genoma ganhou maior em termos da compreens\u00e3o do potencial de uma \u00fanica c\u00e9lula para controlar, sensibilizar ou afastar c\u00e9lulas cancerosas. Tamb\u00e9m apresentava teorias de trabalho por tr\u00e1s dos ativadores do c\u00e2ncer. Agora, os pesquisadores est\u00e3o analisando dados em tempo real das linhas de c\u00e9lulas cancer\u00edgenas dos ov\u00e1rios de camundongos e galinhas para aumentar ou melhorar os m\u00e9todos de detec\u00e7\u00e3o do c\u00e2ncer, juntamente com o aumento da precis\u00e3o dos testes de triagem atualmente dispon\u00edveis.<\/p>\n<h4><span class=\"ez-toc-section\" id=\"4_Transcriptome_Analysis_for_Better_Cancer_Monitoring\"><\/span>4. An\u00e1lise Transcriptom\u00e9trica para um Melhor Monitoramento do C\u00e2ncer<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p>Grandes bancos de dados de triagem e dados experimentais foram gerados somente durante estudos relacionados ao c\u00e2ncer na \u00faltima d\u00e9cada. Isto agregou valor crucial para manter genes marcadores que s\u00e3o agora as ferramentas de primeira m\u00e3o para monitoramento oncog\u00eanico, descoberta de medicamentos e estudos de biocompatibilidade. Al\u00e9m disso, algumas empresas extrapolam dados do genoma do c\u00e2ncer para analisar transcriptomas e s\u00edntese de prote\u00ednas. Esta \u00e9 a chave para encontrar fragmentos de genes deslocados e seus produtos, o que ajuda a rastrear as muta\u00e7\u00f5es, tanto as conservadoras quanto as n\u00e3o conservadoras.<\/p>\n<h4><span class=\"ez-toc-section\" id=\"5_Incorporating_Machine_Learning_Algorithms_For_Diagnostic_Modelling\"><\/span>5. Incorpora\u00e7\u00e3o de Algoritmos de Aprendizagem de M\u00e1quinas para Modelagem Diagn\u00f3stica<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p>Os sistemas de sa\u00fade armazenam enormes quantidades de dados, que as tecnologias modernas facilitaram a sua utiliza\u00e7\u00e3o. Pesquisadores biotecnol\u00f3gicos\/interdisciplinares est\u00e3o realizando vastas an\u00e1lises desses bancos de dados usando alta velocidade <a href=\"https:\/\/blog.kolabtree.com\/artificial-intelligence-and-machine-learning-are-transforming-healthcare\/\">algoritmos de aprendizagem de m\u00e1quinas<\/a> que pode escanear dados, interagir com dados e garantir a mais alta precis\u00e3o na integra\u00e7\u00e3o de grandes bancos de dados. Algoritmos de aprendizagem de m\u00e1quinas e sistemas de modelagem de dados de alta tecnologia est\u00e3o sendo empregados para integrar dados relacionados ao c\u00e2ncer de diferentes fontes a fim de obter uma imagem maior dos tumores. Ferramentas de visualiza\u00e7\u00e3o de dados gen\u00e9ticos est\u00e3o fazendo ondas na detec\u00e7\u00e3o do c\u00e2ncer, permitindo novos m\u00e9todos para verificar o crescimento de c\u00e9lulas cancer\u00edgenas e a morte de c\u00e9lulas saud\u00e1veis. Isto tem sido efetivamente colocado em uso atrav\u00e9s da incorpora\u00e7\u00e3o do Sistema de Informa\u00e7\u00e3o de Modifica\u00e7\u00e3o Gen\u00e9tica e Pesquisa Cl\u00ednica, que s\u00e3o os mais eficientes sistemas de gerenciamento de dados de pesquisa de c\u00f3digo aberto para visualizar dados de seq\u00fcenciamento e triagem de alta produtividade.<\/p>\n<h4><span class=\"ez-toc-section\" id=\"6_Presenting_Greater_Clarity_on_Disease_Prognosis\"><\/span>6. Apresentando uma maior clareza sobre o progn\u00f3stico de doen\u00e7as<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p>Algumas ferramentas de software de visualiza\u00e7\u00e3o de dados de sa\u00fade, tais como o <strong>CancerLinQ<\/strong> que permitem aos m\u00e9dicos e intervencionistas ter acesso a dados m\u00e9dicos de alta qualidade dos pacientes. Isto \u00e9 importante porque ajuda a compreender as incid\u00eancias de c\u00e2ncer anteriores, a progress\u00e3o da doen\u00e7a e o regime de tratamento anterior. Os m\u00e9dicos est\u00e3o se referindo aos dados m\u00e9dicos protegidos dos pacientes usando ferramentas de triagem e usando-os para recomendar ensaios cl\u00ednicos, sugerir protocolos de tratamento personalizados e decidir o escopo do tratamento do c\u00e2ncer de forma mais eficaz. Atualmente, os hospitais que relatam altas taxas de admiss\u00e3o de pacientes com c\u00e2ncer tamb\u00e9m come\u00e7aram a utilizar <strong>Cart\u00f5es de identifica\u00e7\u00e3o tumoral<\/strong> que permitem que seus dados se tornem acess\u00edveis de forma centralizada para avalia\u00e7\u00e3o cl\u00ednica.<\/p>\n<h4><span class=\"ez-toc-section\" id=\"7_Clinical_Data_also_Presents_Viable_Answers_for_Cancer_Relapses\"><\/span>7. Dados cl\u00ednicos tamb\u00e9m apresentam respostas vi\u00e1veis para relatos de c\u00e2ncer<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p>Cada vez mais provedores de sa\u00fade est\u00e3o se voltando para ferramentas de an\u00e1lise de dados para entender as raz\u00f5es pelas quais alguns pacientes apresentam tumores recidivantes enquanto outros n\u00e3o. Os m\u00e9dicos est\u00e3o avaliando um grande n\u00famero de relatos de casos que ajudam a avaliar os riscos \u00e0 sa\u00fade dos pacientes em uma perspectiva muito mais ampla do que antes. Embora os relatos de casos m\u00e9dicos estejam em uso h\u00e1 muito tempo, \u00e9 somente agora que sua acessibilidade e utilidade t\u00eam aumentado. Isto significa que os dados laboratoriais n\u00e3o s\u00e3o submetidos a processos de identifica\u00e7\u00e3o padr\u00e3o, mas avaliados depois de comparados com outros casos relatados globalmente. Isto faz dos dados o requisito fundamental para um tratamento personalizado.<\/p>\n<p>O c\u00e2ncer est\u00e1 evoluindo a taxas mais altas do que nossos medicamentos. Portanto, se o objetivo \u00e9 derrotar, controlar ou prevenir, \u00e9 imperativo canalizar os esfor\u00e7os com um melhor reconhecimento do alvo. Grandes dados s\u00e3o que tecnologia essencial que um cientista cancer\u00edgeno deve aplicar para melhorar a qualidade da pesquisa e estabelecer os melhores resultados mais rapidamente.<\/p>\n<p>_______________________________________<\/p>\n<p><em>Consulte um<a href=\"https:\/\/www.kolabtree.com\/find-an-expert\/subject\/oncology?utm_source=BlogCancer\"> specialis da pesquisa do c\u00e2ncer<\/a>t ou freelance\u00a0<a href=\"https:\/\/www.kolabtree.com\/find-an-expert\/subject\/data-analysis?utm_source=BlogCancer\">cientista de dados<\/a> em 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\/pt\/7-ways-cancer-research-can-benefit-from-big-data\/\" title=\"Leia mais\">Leia mais<\/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\/pt\/7-ways-cancer-research-can-benefit-from-big-data\/\" \/>\n<meta property=\"og:locale\" content=\"pt_BR\" \/>\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\/pt\/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=\"Est. tempo de leitura\" \/>\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\/pt\/7-ways-cancer-research-can-benefit-from-big-data\/","og_locale":"pt_BR","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\/pt\/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","Est. tempo de leitura":"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":"pt-BR","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":"pt-BR","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":"pt-BR"},{"@type":"Organization","@id":"https:\/\/www.kolabtree.com\/blog\/#organization","name":"Kolabtree","url":"https:\/\/www.kolabtree.com\/blog\/","logo":{"@type":"ImageObject","inLanguage":"pt-BR","@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":"pt-BR","@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\/pt\/author\/mahasweta-pal\/"}]}},"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/www.kolabtree.com\/blog\/pt\/wp-json\/wp\/v2\/posts\/2869"}],"collection":[{"href":"https:\/\/www.kolabtree.com\/blog\/pt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.kolabtree.com\/blog\/pt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/pt\/wp-json\/wp\/v2\/users\/32"}],"replies":[{"embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/pt\/wp-json\/wp\/v2\/comments?post=2869"}],"version-history":[{"count":11,"href":"https:\/\/www.kolabtree.com\/blog\/pt\/wp-json\/wp\/v2\/posts\/2869\/revisions"}],"predecessor-version":[{"id":3862,"href":"https:\/\/www.kolabtree.com\/blog\/pt\/wp-json\/wp\/v2\/posts\/2869\/revisions\/3862"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/pt\/wp-json\/wp\/v2\/media\/2906"}],"wp:attachment":[{"href":"https:\/\/www.kolabtree.com\/blog\/pt\/wp-json\/wp\/v2\/media?parent=2869"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/pt\/wp-json\/wp\/v2\/categories?post=2869"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/pt\/wp-json\/wp\/v2\/tags?post=2869"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}