Un estudio basado en el big data localiza vulnerabilidades clave del cáncer

Un estudio liderado por la Universidad de Columbia y publicado en la revista 'Cell', con participación del Instituto de Investigación Biomédica de Bellvitge (Idibell) y del Instituto Catalán de Oncología (ICO), ha identificado vulnerabilidades clave del cáncer gracias al big data.

El big data permite identificar vulnerabilidades concretas del cáncer

Según ha precisado el Instituto de Idibell en un comunicado, tras analizar los datos genómicos de 10.000 tumores de los 20 cánceres más frecuentes, los investigadores encontraron que los programas genéticos determinantes para mantener la supervivencia de las células tumorales están controlados por 24 módulos, cada uno determinado por un pequeño grupo de genes trabajando “en sintonía”.

El equipo de expertos, en el que participa el doctor Álvaro Aytés, primer firmante del estudio e investigador y jefe de grupo del Idibell y del ICO, perseguía el objetivo concreto de identificar las proteínas reguladoras responsables de canalizar la información proveniente de las alteraciones genómicas.

Analiza los datos genómicos de 10.000 tumores de los 20 cánceres más frecuentes

La investigación ha identificado hasta 112 subtipos de tumores definidos por 407 de estas proteínas reguladoras que canalizan la información y ha puesto en evidencia que los 112 subtipos tumorales se pueden catalogar a partir del grado de activación/inactivación de solo 24 grupos de proteínas reguladoras, o lo que es lo mismo, la combinación de 24 características fundamentales de cáncer.

Estos resultados “muestran el control jerárquico de las propiedades que caracterizan cada tumor". "El grado de activación o inactivación de cada una de las 24 proteínas reguladoras identificadas define la identidad transcripcional de los tumores, facilitando su conocimiento y abordaje terapéutico", ha señalado el doctor Aytés.

Hasta 112 subtipos de tumores definidos por 407 de estas proteínas reguladoras

Por su parte, el doctor Andrea Califano, jefe del Departamento de Biología de Sistemas de la Universidad de Columbia y líder de este trabajo, recordó en la misma línea que, hasta ahora, en la medicina personalizada se analizaba “cuál, entre miles de genes, causaba una enfermedad y esperábamos que hubiera un fármaco que actuara contra este".

Asimismo, añadió que este estudio sugiere que, “en lugar de necesitar un fármaco para cada gen, podríamos trabajar con un número reducido de fármacos con el que actuáramos sobre los 24 módulos definidos".

Han demostrado que las predicciones algorítmicas se cumplían en los ensayos con modelos experimentales

Los investigadores han validado alguna de las características fundamentales descritas en cánceres de próstata o riñón, entre otros y, mediante técnicas de edición genética y tratamientos farmacológicos, han demostrado que las predicciones hechas a través de algoritmos se cumplían en los ensayos con modelos experimentales.

Según el Instituto de Idibell, toda la información y modelos matemáticos extraídos de este estudio se han puesto a disposición de la comunidad científica mediante una aplicación web para que los investigadores que lo deseen puedan analizar los datos genómicos de los tumores de sus pacientes con estos nuevos modelos.