Ingenuity Systems y TransMed Systems integran software para apoyar la investigación médica personalizada

Ingenuity(R) Systems, proveedor líder de soluciones de información para investigadores de la ciencia de la vida, y TransMed Systems, empresa de software y servicios de medicina traslacional, han anunciado hoy una integración entre el software IPA(R) y la XB Bio-Integration Suite (XB-BIS). Ahora, los investigadores pueden llevar con facilidad datos preclínicos y clínicos gestionados y estadísticamente analizados por XB-BIS, directamente a IPA(R), utilizado por los investigadores para diseñar, analizar y explorar varios tipos de datos 'omics para comprender mejor sistemas biológicos complejos. La integración de software respalda a los científicos académicos y comerciales que estudian cómo afectan los genes en la forma en que los individuos responden a los tratamientos con fármacos. Los clientes conjuntos tendrán un claro flujo de trabajo para analizar datos preclínicos y clínicos en el contexto de pathways, redes y procesos celulares disponibles en IPA. Este enfoque ayuda a los investigadores a pasar de forma rápida y segura de la generación de hipótesis a los experimentos de validación.
Nick Berens, consejero delegado de TransMed Systems, afirmó: "La integración entre XB-BIS e IPA permitirá a médicos y científicos integrar lo último en pathways, redes moleculares y contenido biológicos en su medicina e investigación traslacional. Estas capacidades mejoradas permitirán prácticas y estrategias de tratamiento más oportunas e informadas y mejorarán la medicina personalizada".
Doug Bassett, médico, responsable de seguridad y responsable tecnológico de Ingenuity Systems, declaró: "La medicina personalizada requiere la habilidad para trasladar rápidamente grandes cantidades de información en información biológica significativa. Estamos encantados de que nuestra colaboración con TransMed vaya a facilitar una plataforma de diseño funcional desde la que los científicos y médicos sean capaces de recabar y analizar información, unir genotipos a fenotipos, identificar potenciales biomarcadores, generar hipótesis potentes e informadas y comprender las diferencias moleculares entre poblaciones de pacientes para un mejor diagnóstico y tratamiento".