Desarrollan herramienta para encontrar a que pacientes de cáncer puede beneficiar la inmunoterapia

Científicos del Instituto de Investigación Biomédica (IRB Barcelona), en colaboración con el Centro de Regulación Genómica (CRG) y la Universidad de Radboud en Holanda, han desarrollado un algoritmo que puede predecir qué pacientes de cáncer tienen más probabilidades de beneficiarse de la inmunoterapia.

algoritmo basado en aprendizaje automático para predecir qué pacientes de cáncer pueden beneficiarse de la inmunoterapia
Los resultados demuestran la importancia de incorporar las reglas de la NMD en la toma de decisiones clínicas. Además, sugieren que la inhibición de la NMD puede ser efectiva para mejorar la inmunoterapia del cáncer. perig76
Las mutaciones en nuestro ADN pueden interrumpir la síntesis de proteínas, que en ocasiones producen proteínas truncadas que no funcionan según lo previsto. Este tipos de alteraciones, conocidas como mutaciones sin sentido, pueden dar lugar a enfermedades hereditarias y a diferentes tipos de cáncer. Para mantener al mínimo el número de proteínas truncadas, las células humanas reconocen y eliminan los ARN mensajeros con mutaciones sin sentido a través de un proceso de control de calidad conocido como degradación mediada por ARN mensajeros sin sentido (nonsense-mediated mRNA decay, NMD por sus siglas en inglés).

Para comprender mejor el efecto del sistema NMD en las enfermedades humanas, los investigadores han crearon la herramienta NMDetective, que describe todas las posibles mutaciones sin sentido que pueden darse en el genoma humano. Mediante un análisis estadístico a gran escala basado en el aprendizaje automático -machine lerning-, el algoritmo identifica qué mutaciones en el genoma son susceptibles del NMD.

Tal como se describe en el artículo “The impact of nonsense-mediated mRNA decay on genetic disease, gene editing and cancer immunotherapy” [1] publicado en Nature Genetics, los científicos utilizaron la herramienta NMDetective para analizar miles de variantes genéticas que dan lugar a enfermedades hereditarias en humanos. “Nos sorprendió observar que, en muchos casos, se predijo que la actividad del NMD conduciría a una mayor gravedad de la enfermedad“, afirma Fran Supek, investigador ICREA, jefe del laboratorio de Genome Data Science del IRB Barcelona y líder del equipo que construyó la herramienta.

Los resultados del estudio sugieren que la inhibición farmacológica del NMD podría retrasar la progresión de muchas enfermedades genéticas de distintos tipos. Para distinguir qué pacientes se podrían beneficiar de esta terapia, es necesario utilizar un enfoque de medicina de precisión para determinar la mutación responsable de la enfermedad y el efecto del NMD en esta mutación, y aquí es precisamente donde entra en juego la herramienta NMDetective.

Los investigadores también estudiaron el papel del NMD en el cáncer y la interacción entre el tumor y el sistema inmune. “Descubrimos que la actividad del NMD es importante para predecir el éxito de la inmunoterapia en el cáncer“, explica Supek. Los investigadores encontraron que el NMD oculta mutaciones que de otro modo activarían el sistema inmunológico. Por lo tanto, NMDetective podría utilizarse para analizar las mutaciones presentes en el tumor, con el fin de distinguir mejor a los pacientes con cáncer que responderían a la inmunoterapia respecto a los que no.

Los tumores están plagados de mutaciones genéticas que deberían producir todo tipo de proteínas extrañas. El sistema inmunológico debería detectarlos, identificar las células dañadas y destruirlas“, explica Ben Lehner, investigador del Centro de Regulación Genómica, que también participa en el estudio. “Sin embargo, muchas de estas proteínas extrañas no se producen debido al NMD“.

Este algoritmo puede distinguir qué mutaciones activarán y cuales no activarán este sistema de verificación de errores. Lo emocionante es que ya existen medicamentos que bloquean el NMD que podrían usarse junto con otros tratamientos para ayudar al sistema inmunológico a reconocer mejor las células tumorales“, afirma Lehner.

Aquí vemos un ejemplo de cómo los datos públicos de genómica del cáncer se pueden ‘reutilizar’ a través de enfoques de aprendizaje automático para comprender mejor los procesos biológicos como el NMD“, explica el autor principal Rik Lindeboom, investigador de la Universidad de Radboud. “Lo que hace que este estudio sea especialmente emocionante es que podríamos traducir directamente esta investigación fundamental en ideas relevantes para los médicos y los pacientes“[.]

 

Publicaciones relacionadas