La co-ocurrencia de genes conductores del cáncer, clave para la medicina de precisión

Los genes conductores del cáncer son aquellos que presentan mutaciones esenciales para el desarrollo y la expansión del tumor. Investigadores del laboratorio de Bioinformática Estructural y Biología de Redes (SBNB) del IRB Barcelona, liderados por el investigador ICREA Patrick Aloy, han desarrollado un sistema informático que predice la respuesta de un tumor a distintos tratamientos para el cáncer. Éste se basa en la identificación de marcadores complejos de respuesta derivados de los patrones de co-ocurrencia entre genes conductores del cáncer que presenten mutaciones. El sistema se ha puesto a prueba experimentalmente y con datos de pacientes de cáncer de mama y ha podido predecir la respuesta a las distintas terapias con un 66% de acierto.

Los genes conductores del cáncer, por su papel crucial en el desarrollo del tumor, son un importante tema de estudio en las últimas décadas. Conocer los genes conductores del cáncer que están afectados en un tumor concreto, puede ayudar a identificar el enfoque terapéutico más apropiado para un paciente determinado, en un acercamiento a lo que se conoce como “medicina de precisión”. Por primera vez, los investigadores del laboratorio de SBNB, proponen la co-ocurencia de alteraciones (o falta de ella) en dos o más genes conductores del cáncer como factor clave para predecir la respuesta a un determinado tratamiento.

“La suma de dos o más genes conductores de cáncer afectados por mutaciones genera una red compleja de biomarcadores, altera el perfil molecular del tumor y repercute en su respuesta a los tratamientos”, afirma Aloy. “Con este trabajo, vemos que estudiar los genes conductores de cáncer en su conjunto, analizando las distintas combinaciones, puede suponer un gran avance hacia la medicina de precisión”, añade.

Desde la bioinformática al análisis experimental y clínico

Aunque hay muchos datos disponibles de genomas del cáncer, no hay tanta información sobre el resultado de las intervenciones terapéuticas en pacientes. Los investigadores partieron de una base de datos pública que recoge información sobre el efecto de múltiples tratamientos sobre el crecimiento de tumores humanos que han sido implantados en un modelo de ratón. Partiendo de estos datos, seleccionaron 53 tratamientos (o combinaciones de tratamientos) y compararon el perfil molecular de los tumores que respondían a cada tratamiento y los que no.

“Cuando ya habíamos desarrollado nuestro modelo computacional, lo validamos experimentalmente en tumores humanos implantados en ratón”, afirma Lídia Mateo, investigadora postdoctoral del laboratorio de SBNB y primera autora del estudio. “Fuimos capaces de predecir el resultado que iba a tener la terapia en 12 de los 14 casos de estudio, muy por encima del poder de predicción de la respuesta a fármacos de los biomarcadores aprobados”, añade. Los investigadores también validaron el algoritmo con datos de repuesta a tratamientos de pacientes con cáncer de mama.

El trabajo, publicado en Genome Medicine, se ha llevado a cabo en colaboración con el Instituto de Oncología Vall d’Hebron (VHIO) y con el Memorial Sloan Kettering Cancer Center (MSKCC), que permitió aplicar el sistema predictivo al análisis de resultados de ensayos clínicos.

Este trabajo ha sido financiado por el European Research Council (ERC), el Ministerio de Ciencia e Innovación y la Generalitat de Catalunya. Lídia Mateo cuenta con una Beca FPI.

Artículo de referencia:
Lidia Mateo, Miquel Duran-Frigola, Albert Gris-Oliver, Marta Palafox, Maurizio Scaltriti, Pedram Razavi, Sarat Chandarlapaty, Joaquin Arribas, Meritxell Bellet, Violeta Serra & Patrick Aloy
Personalized cancer therapy prioritization based on driver alteration co-occurrence patterns
Genome Medicine (2020) DOI: 10.1186/s13073-020-00774-x