Un nuevo método computacional, elaborado por investigadores del Centro de Ingeniería Biomédica de la Universidad de Navarra, permite localizar vulnerabilidades del metabolismo de los tumores que, al ser atajadas, impedirían que las células malignas sigan desarrollándose.
Investigadores del Centro de Ingeniería Biomédica de la Universidad de Navarra ha desarrollado un conjunto de algoritmos matemáticos que permiten localizar vulnerabilidades del metabolismo de los tumores que, al ser atajadas, impedirían que las células malignas sigan desarrollándose. Así lo ha recogido un artículo publicado esta semana en la revista Nature Communications.
Tal y como explica Iñigo Apaolaza, primer autor del trabajo, “las células tumorales necesitan una serie de compuestos para crecer y sobrevivir. Para fabricarlos, sus genes forman redes metabólicas, muy similares a las redes de carreteras que utilizamos cada día. Lo que hemos logrado con nuestros algoritmos y métodos matemáticos es identificar qué genes son imprescindibles para que una célula tumoral produzca estos compuestos y, por lo tanto, sobreviva".
Según Apaolaza, "como en las redes de carreteras, puede haber tramos redundantes y otros de obligado paso, absolutamente imprescindibles. El reto es localizar estos últimos para eliminarlos y así imposibilitar a la célula la fabricación de los compuestos esenciales para su supervivencia”.
Este algoritmo, indica Felipe Prósper, investigador principal del grupo y coautor del estudio, “se ha aplicado a un tipo específico de cáncer, que es el mieloma múltiple –incurable actualmente– como forma de validar que la estrategia funciona”.
La validación ha consistido en una serie de pruebas in vitro sobre una proteína, RRM1, que el algoritmo señaló como esencial en el desarrollo de mieloma múltiple. “Utilizando muestras de mieloma se ha podido confirmar en el 100% de los casos la capacidad predictiva del algoritmo para identificar si RRM1 es esencial o no para el tumor”, añade Prósper.
Nuevas dianas terapéuticas contra el cáncer
“Se trata de una herramienta aplicable a cualquier tumor. A partir de los resultados obtenidos, se podrán desarrollar nuevos fármacos o reutilizar medicamentos ya existentes para atacar la enfermedad”, enfatiza Francisco J. Planes, investigador principal del trabajo. “Además –añade– no sólo hemos dado con vulnerabilidades metabólicas para el crecimiento del tumor, sino que identificamos una lista de genes cuya actividad nos permite predecir qué pacientes podrían responder positivamente al tratamiento, en el marco de una medicina personalizada”.
El trabajo, que se desarrolla desde 2012 impulsado desde el Centro de Ingeniería Biomédica de la Universidad de Navarra, también compara este algoritmo con otros diseñados por grupos de Tel Aviv University (Israel) o UC San Diego (EE. UU.), entre otros. Todos ellos integrados, al igual que este equipo, por médicos e ingenieros: “Comparativamente nuestro algoritmo tiene un mejor comportamiento respecto a los desarrollados por estos centros y añade un enfoque diferente”, afirma Planes.
Los siguientes pasos que dará este grupo de científicos se centrarán en la aplicación del algoritmo a otro tipo de tumores –ya están desarrollando un proyecto con CIC bioGUNE en cáncer de próstata y mama resistente a terapia endocrina-, en la mejora de la propia herramienta y en la ampliación de la validación experimental preclínica de RRM1. Para ello cuentan con la cofinanciación del Ministerio de Economía, Industria y Competitividad (MINECO) y Gobierno Vasco.
Referencia blibliográfica:
Iñigo Apaolaza et al. "An in-silico approach to predict and exploit synthetic lethality in cancer metabolism". Nature Communications (septiembre 2017)
Se trata de la máquina molecular más compleja e intrincada de la biología humana, ya que edita más de 90 % de nuestros genes. Los errores en este proceso están vinculados con muchas enfermedades incluyendo la mayoría de los tipos de cáncer.
Un estudio en ratones muestra que es posible revertir los efectos del envejecimiento en las neuronas mediante reprogramación celular, aumentando su número y capacidad de conexión, lo que podría abrir nuevas vías para tratar enfermedades neurodegenerativas.
