Bioinformática en cáncer

Bioinformatics in cancer

Publicado 2026-02-17

Resumen gráfico Bioinformática en cáncer
Abrir | Descargar
PDF FLIP

Cómo citar

1.
Rojas Ruco LT, Urrea-Orozco AF. Bioinformática en cáncer. Rev. colomb. hematol. oncol. [Internet]. 2026 Feb. 17 [cited 2026 Feb. 17];13(1-Supl):119-36. https://doi.org/10.51643/22562915.828

Descargar cita

Citaciones
Crossref
Citas en Crossref
Scopus
Citas en Scopus
Google Scholar
Citas en Google Sholar
Europe PMC
Número
Vol. 13 Núm. 1-Supl (2026): Biología molecular tumoral: de la básica a la clínica
Sección
Revisiones
Cómo citar
1.
Rojas Ruco LT, Urrea-Orozco AF. Bioinformática en cáncer. Rev. colomb. hematol. oncol. [Internet]. 2026 Feb. 17 [cited 2026 Feb. 17];13(1-Supl):119-36. https://doi.org/10.51643/22562915.828
DOI

https://doi.org/10.51643/22562915.828
Dimensions
PlumX
Licencia
Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

Leydi Tatiana Rojas Ruco
Universidad del Valle image/svg+xml
Roles:  
Perfil Google Scholar
https://orcid.org/0009-0003-6347-959X
Andrés Felipe Urrea-Orozco
Universidad del Valle image/svg+xml
Roles:  
Perfil Google Scholar
https://orcid.org/0009-0008-5756-6984
Mostrar biografía de los autores

Leydi Tatiana Rojas Ruco,

Integrante del Grupo de Investigación en Genética Molecular Humana del departamento de Biología de la Universidad del Valle, con énfasis en genómica y bioinformática aplicada al cáncer.

Andrés Felipe Urrea-Orozco,

Estudiante de Biología de la Universidad del Valle. Con investigación activa en el uso de herramientas de genética cuantitativa y aplicación de métodos estadísticos y computacionales al estudio de poblaciones.

Introducción: La bioinformática en el cáncer se ha convertido en una poderosa herramienta para la detección y el seguimiento de variantes moleculares asociadas a la enfermedad. Actualmente se manejan grandes cantidades de datos ómicos para desarrollar y aplicar nuevas herramientas que permitan analizar datos eficientemente. El objetivo de esta revisión fue describir el contexto en el que han surgido las nuevas tecnologías bioinformáticas y cómo estos avances están contribuyendo al estudio del cáncer.

Métodos: Se realizó una búsqueda en PubMed, Scopus, Google Scholar y ScienceDirect. Se expuso información basada en un conjunto de artículos disponibles en inglés y español, relacionados con el análisis de datos (n=66). Además, se exponen las principales bases de datos y plataformas bioinformáticas para el estudio del cáncer.

Resultados: Los estudios revisados evidencian que la bioinformática actúa como un eje integrador en la investigación de la biología tumoral, facilitando la identificación de biomarcadores, clasificación molecular de tumores y estratificación de pacientes, mientras que el avance de la inteligencia artificial está revolucionando el análisis de datos.

Discusión: Las herramientas bioinformáticas han permitido una comprensión más profunda de los mecanismos moleculares del cáncer, apoyando el desarrollo de estrategias con potencial aplicación clínica, así mismo este aumento de información requiere un control de calidad más estricto.

Conclusión: La bioinformática es una herramienta en expansión, necesaria en la investigación del cáncer, que puede facilitar la orientación adecuada en el diagnóstico y tratamiento, impactando la historia natural de la enfermedad.

Visitas del artículo 0 | Visitas PDF 0

Descargas

Los datos de descarga todavía no están disponibles.
  1. Sung H, Ferlay J, Siegel RL, Laversanne M, Soerjomataram I, Jemal A, Bray F. Global Cancer Statistics 2020: GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries. CA Cancer J Clin. [Internet]. 2021;71(3):209–49. Disponible en: https://doi.org/10.3322/caac.21660
  2. Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nat. Med. [Internet]. 2019;25:44-56. Disponible en: https://doi.org/10.1038/s41591-018-0300-7
  3. Bode AM, Dong Z. Recent advances in precision oncology research. NPJ Precis Oncol [Internet]. 2018;2:11. Disponible en: https://doi.org/10.1038/s41698-018-0055-0
  4. Wang RC, Wang Z. Precision Medicine: Disease Subtyping and Tailored Treatment. Cancers [Internet]. 2023;15(15):3837. Disponible en: https://doi.org/10.3390/cancers15153837
  5. Molla G, Bitew M. Revolutionizing Personalized Medicine: Synergy with Multi-Omics Data Generation, Main Hurdles, and Future Perspectives. Biomedicines [Internet]. 2024;12(12):2750. Disponible en: https://doi.org/10.3390/biomedicines12122750
  6. Levy SE, Boone BE. Next-Generation sequencing Strategies. Cold Spring Harb Perspect Med [Internet]. 2018;9(7):a025791. Disponible en: https://doi.org/10.1101/cshperspect.a025791
  7. Satam H, Joshi K, Mangrolia U, Waghoo S, Zaidi G, Rawool S, et al. Next-Generation Sequencing Technology: Current Trends and Advancements. Biology [Internet]. 2023;12(7):997. Disponible en: https://doi.org/10.3390/biology12070997
  8. The International Cancer Genome Consortium. International network of cancer genome projects. Nature [Internet]. 2010;464(7291):993-8. Disponible en: https://doi.org/10.1038/nature08987
  9. International Human Genome Sequencing Consortium. . Initial sequencing and analysis of the human genome. Nature [Internet]. 2001;409:860-921. Disponible en: https://doi.org/10.1038/35087627
  10. Venter JC, Adams MD, Myers EW, Li PW, Mural RJ, Sutton GG, et al. The Sequence of the Human Genome. Science [Internet]. 2001;291(5507):1304-51. Disponible en: https://doi.org/10.1016/s0002-9394(01)01077-7
  11. Vogelstein B, Papadopoulos N, Velculescu VE, Zhou S, Diaz LA, Kinzler KW. Cancer genome landscapes. Science [Internet]. 2013;339(6127):1546-58. Disponible en: https://doi.org/10.1126/science.1235122
  12. Wood LD, Parsons DW, Jones S, Lin J, Sjöblom T, Leary RJ, et al. The Genomic Landscapes of Human Breast and Colorectal Cancers. Science [Internet]. 2007;318(5853):1108–13. Disponible en: http://dx.doi.org/10.1126/science.1145720
  13. Parsons DW, Jones S, Zhang X, Lin JCH, Leary RJ, Angenendt P, et al. An Integrated Genomic Analysis of Human Glioblastoma Multiforme. Science [Internet]. 2008;321(5897):1807-12. Disponible en: https://doi.org/10.1126/science.1164382
  14. McKenna A, Hanna M, Banks E, Sivachenko A, Cibulskis K, Kernytsky A, et al. The Genome Analysis Toolkit: A MapReduce framework for analyzing next-generation DNA sequencing data. Genome Res [Internet]. 2010;20(9):1297-303. Disponible en: https://doi.org/10.1101/gr.107524.110
  15. Lawrence MS, Stojanov P, Polak P, Kryukov GV, Cibulskis K, Sivachenko A, et al. Mutational heterogeneity in cancer and the search for new cancer-associated genes. Nature [Internet]. 2013;499(7457):214-8. Disponible en: https://doi.org/10.1038/nature12213
  16. Bailey MH, Tokheim C, Porta-Pardo E, Sengupta S, Bertrand D, Weerasinghe A, et al. Comprehensive Characterization of Cancer Driver Genes and Mutations. Cell [Internet]. 2018;173(2):371-385.e18. Disponible en: https://doi.org/10.1016/j.cell.2018.02.060
  17. Aaltonen LA, Abascal F, Abeshouse A, Aburatani H, Adams DJ, et al. Pan-cancer analysis of whole genomes. Nature [Internet]. 2020;578(7793):82-93. Disponible en: https://doi.org/10.1038/s41586-020-1969-6
  18. Tomczak K, Czerwińska P, Wiznerowicz M. Review The Cancer Genome Atlas (TCGA): an immeasurable source of knowledge. Contemp Oncol [Internet]. 2015;1A:68-77. Disponible en: https://doi.org/10.5114/wo.2014.47136
  19. Cosenza MR, Rodriguez-Martin B, Korbel JO. Structural Variation in Cancer: Role, Prevalence, and Mechanisms. Annu Rev Genom Hum Genet [Internet]. 2022;23(1):123-52. Disponible en: https://doi.org/10.1146/annurev-genom-120121-101149
  20. Regev A, Teichmann SA, Lander ES, Amit I, Benoist C, Birney E, et al. The Human Cell Atlas. eLife [Internet]. 2017;6. Disponible en: https://doi.org/10.7554/elife.27041
  21. Le J, Dian Y, Zhao D, Guo Z, Luo Z, Chen X, et al. Single-cell multi-omics in cancer immunotherapy: from tumor heterogeneity to personalized precision treatment. Mol Cancer [Internet]. 2025;24(1). Disponible en: https://doi.org/10.1186/s12943-025-02426-3
  22. Cerami E, Gao J, Dogrusoz U, Gross BE, Sumer SO, Aksoy BA, et al. The cBio Cancer Genomics Portal: An Open Platform for Exploring Multidimensional Cancer Genomics Data. Cancer Discov [Internet]. 2012;2(5):401-4. Disponible en: https://doi.org/10.1158/2159-8290.cd-12-0095
  23. Leinonen R, Akhtar R, Birney E, Bower L, Cerdeno-Tarraga A, Cheng Y, et al. The European Nucleotide Archive. Nucleic Acids Res [Internet]. 2010;39:D28-31. Disponible en: https://doi.org/10.1093/nar/gkq967
  24. Leinonen R, Sugawara H, Shumway M. The sequence read archive. Nucleic Acids Res [Internet]. 2010;39:D19-21. Disponible en: https://doi.org/10.1093/nar/gkq1019
  25. Dyer SC, Austine-Orimoloye O, Azov AG, Barba M, Barnes I, Barrera-Enriquez VP, et al. Ensembl 2025. Nucleic Acids Res [Internet]. 2024;53(D1):D948-57. Disponible en: https://doi.org/10.1093/nar/gkae1071
  26. Perez G, Barber GP, Benet-Pages A, Casper J, Clawson H, Diekhans M, et al. The UCSC Genome Browser database: 2025 update. Nucleic Acids Res [Internet]. 2024;53(D1):D1243-9. Disponible en: https://doi.org/10.1093/nar/gkae974
  27. O’Leary NA, Cox E, Holmes JB, Anderson WR, Falk R, Hem V, et al. Exploring and retrieving sequence and metadata for species across the tree of life with NCBI Datasets. Sci. Data [Internet]. 2024;11(1):732. Disponible en: https://doi.org/10.1038/s41597-024-03571-y
  28. Forbes SA, Beare D, Boutselakis H, Bamford S, Bindal N, Tate J, et al. COSMIC: somatic cancer genetics at high-resolution. Nucleic Acids Res [Internet]. 2016;45(D1):D777-83. Disponible en: https://doi.org/10.1093/nar/gkw1121
  29. Landrum MJ, Lee JM, Riley GR, Jang W, Rubinstein WS, Church DM, Maglott DR. ClinVar: public archive of relationships among sequence variation and human phenotype. Nucleic Acids Res [Internet]. 2014;42(1):D980-5. Disponible en: https://doi.org/10.1093/nar/gkt1113
  30. Barrett T, Wilhite SE, Ledoux P, Evangelista C, Kim IF, et al. NCBI GEO: archive for functional genomics data sets-update. Nucleic Acids Res [Internet]. 2013;41:D991-5. Disponible en: https://doi.org/10.1093/nar/gks1193
  31. Milacic M, Beavers D, Conley P, Gong C, Gillespie M, et al. The Reactome Pathway Knowledgebase 2024. Nucleic Acids Res [Internet]. 2024. Disponible en: https://doi.org/10.1093/nar/gkad1025
  32. Hoadley KA, Yau C, Hinoue T, Wolf DM, Lazar AJ, Drill E, et al. Cell-of-Origin Patterns Dominate the Molecular Classification of 10,000 Tumors from 33 Types of Cancer. Cell [Internet]. 2018;173(2):291-304.e6. Disponible en: https://doi.org/10.1016/j.cell.2018.03.022
  33. Hasin Y, Seldin M, Lusis A. Multi-omics approaches to disease. Genome Biol [Internet]. 2017;18(1). Disponible en: https://doi.org/10.1186/s13059-017-1215-1
  34. Kather JN, Heij LR, Grabsch HI, Loeffler C, Echle A, Muti HS, et al. Pan-cancer image-based detection of clinically actionable genetic alterations. Nat Cancer [Internet]. 2020;1(8):789-99. Disponible en: https://doi.org/10.1038/s43018-020-0087-6
  35. Nair AS. Computational Biology & Bioinformatics: A Gentle Overview. Communications of the Computer Society of India [Internet]. 2007;1–12. Disponible en: https://www.researchgate.net/publication/231337374_Computational_Biology_Bioinformatics_A_Gentle_Overview
  36. Bateman A, Martin MJ, Orchard S, Magrane M, Ahmad S, Alpi E, et al. UniProt: the Universal Protein Knowledgebase in 2023. Nucleic Acids Res [Internet]. 2022;51(D1):D523-31. Disponible en: https://doi.org/10.1093/nar/gkac1052
  37. Bateman A, Martin MJ, Orchard S, Magrane M, Ahmad S, Alpi E, et al. UniProt: the Universal Protein Knowledgebase in 2023. Nucleic Acids Res [Internet]. 2022;51(D1):D523-31. Disponible en: https://doi.org/10.1093/nar/gkac1052
  38. Van Der Auwera GA, Carneiro MO, Hartl C, Poplin R, Del Angel G, Levy‐Moonshine A, et al. From FastQ Data to High‐Confidence Variant Calls: The Genome Analysis Toolkit Best Practices Pipeline. Curr Protoc Bioinformatics [Internet]. 2013;43(1). Disponible en: https://doi.org/10.1002/0471250953.bi1110s43
  39. Gonzalez-Perez A, Perez-Llamas C, Deu-Pons J, Tamborero D, Schroeder MP, Jene-Sanz A, et al. IntOGen-mutations identifies cancer drivers across tumor types. Nat Methods [Internet]. 2013;10(11):1081-2. Disponible en: https://doi.org/10.1038/nmeth.2642
  40. Koboldt DC. Best practices for variant calling in clinical sequencing. Genome Med [Internet]. 2020;12(1). Disponible en: https://doi.org/10.1186/s13073-020-00791-w
  41. Maher CA, Kumar-Sinha C, Cao X, Kalyana-Sundaram S, Han B, Jing X, et al. Transcriptome sequencing to detect gene fusions in cancer. Nature [Internet]. 2009;458(7234):97-101. Disponible en: https://doi.org/10.1038/nature07638
  42. Kogenaru S, Yan Q, Guo Y, Wang N. RNA-seq and microarray complement each other in transcriptome profiling. BMC Genomics [Internet]. 2012;13(1). Disponible en: https://doi.org/10.1186/1471-2164-13-629
  43. Montgomery SB, Sammeth M, Gutierrez-Arcelus M, Lach RP, Ingle C, Nisbett J, et al. Transcriptome genetics using second generation sequencing in a Caucasian population. Nature [Internet]. 2010;464(7289):773-7. Disponible en: https://doi.org/10.1038/nature08903
  44. Lawrie CH. MicroRNA expression in lymphoma. Expert Opin Biol Ther [Internet]. 2007;7(9):1363-74. Disponible en: https://doi.org/10.1517/14712598.7.9.1363
  45. Nelakurthi VM, Paul P, Reche A. Bioinformatics in Early Cancer Detection. Cureus [Internet]. 2023; Disponible en: https://doi.org/10.7759/cureus.46931
  46. Lu J, Getz G, Miska EA, Alvarez-Saavedra E, Lamb J, Peck D, et al. MicroRNA expression profiles classify human cancers. Nature [Internet]. 2005;435(7043):834-8. Disponible en: https://doi.org/10.1038/nature03702
  47. Van Roosbroeck K, Fanini F, Setoyama T, Ivan C, Rodriguez-Aguayo C, Fuentes-Mattei E, et al. Combining Anti-Mir-155 with Chemotherapy for the Treatment of Lung Cancers. Clin Cancer Res [Internet]. 2016;23(11):2891-904. Disponible en: https://doi.org/10.1158/1078-0432.ccr-16-1025
  48. Buchberger E, Reis M, Lu TH, Posnien N. Cloudy with a Chance of Insights: Context Dependent Gene Regulation and Implications for Evolutionary Studies. Genes [Internet]. 2019;10(7):492. Disponible en: https://doi.org/10.3390/genes10070492
  49. Xu M, Yuan L, Wang Y, Chen S, Zhang L, Zhang X. Integrative Analysis of DNA Methylation and Gene Expression Profiles Identifies Colorectal Cancer-Related Diagnostic Biomarkers. Pathol Oncol Res [Internet]. 2021;27. Disponible en: https://doi.org/10.3389/pore.2021.1609784
  50. Sharma S, Kelly TK, Jones PA. Epigenetics in cancer. Carcinogenesis [Internet]. 2009;31(1):27-36. Disponible en: https://doi.org/10.1093/carcin/bgp220
  51. Wilson AS, Power BE, Molloy PL. DNA hypomethylation and human diseases. Biochim Biophys Acta Rev Cancer [Internet]. 2006;1775(1):138-62. Disponible en: https://doi.org/10.1016/j.bbcan.2006.08.007
  52. Baylin SB. DNA methylation and gene silencing in cancer. Nat Clin Pract Oncol [Internet]. 2005;2(S1):S4-11. Disponible en: https://doi.org/10.1038/ncponc0354
  53. Manzoor Ahmad Mir, Hina Qayoom, Shazia Sofi, Nusrat Jan, Chapter 2 - Proteomics: A groundbreaking development in cancer biology, Proteomics, Academic Press, 2023, Pages 31-53, https://doi.org/10.1016/B978-0-323-95072-5.00004-3
  54. Wolde T, Bhardwaj V, Pandey V. Current Bioinformatics Tools in Precision Oncology. MedComm [Internet]. 2025;6(7). Disponible en: https://doi.org/10.1002/mco2.70243
  55. Slamon DJ, Clark GM, Wong SG, Levin WJ, Ullrich A, McGuire WL. Human Breast Cancer: Correlation of Relapse and Survival with Amplification of the HER-2/ neu Oncogene. Science [Internet]. 1987;235(4785):177-82. Disponible en: https://doi.org/10.1126/science.3798106
  56. Swain SM, Shastry M, Hamilton E. Targeting HER2-positive breast cancer: advances and future directions. Nat Rev Drug Discov [Internet]. 2022;22(2):101-26. Disponible en: https://doi.org/10.1038/s41573-022-00579-0
  57. Qiu S, Cai Y, Yao H, Lin C, Xie Y, Tang S, et al. Small molecule metabolites: discovery of biomarkers and therapeutic targets. Sig Transduct Target Ther [Internet]. 2023;8(1). Disponible en: https://doi.org/10.1038/s41392-023-01399-3
  58. Dang L, White DW, Gross S, Bennett BD, Bittinger MA, Driggers EM, et al. Cancer-associated IDH1 mutations produce 2-hydroxyglutarate. Nature [Internet]. 2009;462(7274):739-44. Disponible en: https://doi.org/10.1038/nature08617
  59. Selak MA, Armour SM, MacKenzie ED, Boulahbel H, Watson DG, Mansfield KD, et al. Succinate links TCA cycle dysfunction to oncogenesis by inhibiting HIF-α prolyl hydroxylase. Cancer Cell [Internet]. 2005;7(1):77-85. Disponible en: https://doi.org/10.1016/j.ccr.2004.11.022
  60. Pollard PJ, Brière JJ, Alam NA, Barwell J, Barclay E, Wortham NC, et al. Accumulation of Krebs cycle intermediates and over-expression of HIF1α in tumours which result from germline FH and SDH mutations. Hum Mol Genet [Internet]. 2005;14(15):2231-9. Disponible en: https://doi.org/10.1093/hmg/ddi227
  61. Wise DR, DeBerardinis RJ, Mancuso A, Sayed N, Zhang XY, Pfeiffer HK, et al. Myc regulates a transcriptional program that stimulates mitochondrial glutaminolysis and leads to glutamine addiction. Proc Natl Acad Sci U S A [Internet]. 2008;105(48):18782-7. Disponible en: https://doi.org/10.1073/pnas.0810199105
  62. Wang W, Rong Z, Wang G, Hou Y, Yang F, Qiu M. Cancer metabolites: promising biomarkers for cancer liquid biopsy. Biomarker Res [Internet]. 2023;11(1). Disponible en: https://doi.org/10.1186/s40364-023-00507-3
  63. Wang G, Qiu M, Xing X, Zhou J, Yao H, Li M, et al. Lung cancer scRNA-seq and lipidomics reveal aberrant lipid metabolism for early-stage diagnosis. Sci Transl Med [Internet]. 2022;14(630). Disponible en: https://doi.org/10.1126/scitranslmed.abk2756
  64. Ozaki Y, Broughton P, Abdollahi H, Valafar H, Blenda AV. Integrating Omics Data and AI for Cancer Diagnosis and Prognosis. Cancers [Internet]. 2024;16(13):2448. Disponible en: https://doi.org/10.3390/cancers16132448
  65. Wang ZZ, Li XH, Wen XL, Wang N, Guo Y, Zhu X, et al. Integration of multi-omics data reveals a novel hybrid breast cancer subtype and its biomarkers. Front Oncol [Internet]. 2023;13. Disponible en: https://doi.org/10.3389/fonc.2023.1130092
  66. Wang N, Li Y, Wang Y, Wang W. Integration of multi-omics profiling reveals an epigenetic-based molecular classification of lung adenocarcinoma: implications for drug sensitivity and immunotherapy response prediction. Front Pharmacol [Internet]. 2025;16. Disponible en: https://doi.org/10.3389/fphar.2025.1540477
Tutoriales

Autores:

¿Cómo enviar un artículo?

Par evaluador:

¿Cómo evaluar un artículo?

Información

Directorios e indexadores


Verificación de plagio

Logo 1
Descriptor

Logo 2
Perfil de Google Scholar

Código QR

Palabras clave

Más leídos en los últimos 30 días

Número actual

Sistema OJS 3.4.0.7 - Metabiblioteca |