Los ‘sustitutos’ de los pacientes virtuales pueden personalizar los tratamientos contra el cáncer
Crédito: Unsplash/CC0 Public Domain
Los científicos han desarrollado modelos matemáticos que actúan como ‘sustitutos’ de los pacientes para evaluar posibles tratamientos contra el cáncer de próstata.
La investigación, publicada hoy en eLife, en última instancia, podría ayudar a los médicos a elegir la combinación de medicamentos más efectiva antes de comenzar a tratar a un paciente, mejorando potencialmente su respuesta y evitando la resistencia a los medicamentos.
Los investigadores utilizaron un enfoque llamado Modelado booleano, que ya se utiliza para describir la dinámica de procesos complejos de señalización celular. Pero los modelos existentes han sido genéricos y no han tenido en cuenta las diferencias entre las enfermedades de los pacientes individuales o cómo responden al tratamiento.
«El sueño siempre ha sido utilizar modelos y datos cada vez más complejos hasta que podamos tener gemelos digitales, humanos virtuales o sustitutos, una simulación que ayuda a seleccionar el tratamiento clínico adecuado para un paciente determinado con altos grados de especificidad o sensibilidad», explica Arnau Montagud, quien era investigador en el Institut Curie, París, Francia, en el momento en que el se llevó a cabo el estudio y ahora se encuentra en el Barcelona Supercomputing Center (BSC), España. «Queríamos saber si nuestro método de adaptar modelos booleanos de señalización celular era lo suficientemente preciso como para discriminar entre diferentes pacientes y si los modelos podían usarse como bancos de pruebas para clasificar tratamientos farmacológicos personalizados».
Para empezar, el equipo usó datos de The Cancer Genome Atlas (TCGA) y otras bases de datos para crear una red de todas las vías relevantes involucradas en la señalización de las células de la próstata. Luego convirtieron esto en un modelo booleano genérico en el que a todos los nodos de la red se les puede asignar uno de dos valores 0 (desactivado o ausente) o 1 (activado o presente). Los datos de 488 pacientes con cáncer de próstata de TCGA se utilizaron para crear 488 modelos booleanos específicos de pacientes. Por ejemplo, cuando el tumor de un paciente tenía una mutación en un gen específico, esto significaba que el nodo en la red estaba inactivo y se le asignaba un valor de 0.
Después de construir estos modelos, el equipo analizó en cada paciente modelo de genes que, cuando se inhiben, bloquearían el crecimiento o fomentarían la muerte de las células cancerosas. Redujeron estos genes a una lista de objetivos de medicamentos existentes y realizaron simulaciones para predecir qué sucedería si se combinaran los medicamentos. Esto les permitió comparar los efectos de medicamentos individuales en cada paciente y proponer ciertos medicamentos que funcionarían para pacientes específicos o para grupos de pacientes. La inactivación de algunos de los genes tuvo un mayor efecto en algunos pacientes en comparación con otros, lo que destaca las oportunidades para tratamientos farmacológicos personalizados. Las simulaciones también detectaron patrones relacionados con el grado de los tumores de los pacientes medido por la puntuación de Gleason, lo que sugiere que en el futuro podría ser posible adaptar los tratamientos farmacológicos a los pacientes con cáncer de próstata de acuerdo con su puntuación.
Probar si estas predicciones de tratamiento son ciertas en pacientes que requerirían un ensayo clínico, por lo que el equipo construyó ocho modelos de líneas celulares de cáncer de próstata personalizados diferentes a partir de datos disponibles públicamente. Al igual que con los modelos de pacientes, buscaron mutaciones comunes en las líneas celulares que influyeron en el crecimiento o la muerte de las células cancerosas. Esto dio como resultado la identificación de 17 proteínas a las que podrían dirigirse los fármacos.
Luego, para investigar si los fármacos dirigidos a estas proteínas tendrían los efectos previstos, imitaron el efecto de diferentes dosis de fármacos en el modelo cambiando desactivar cada nodo del 100 % activo al 0 % activo y observar los efectos sobre el crecimiento, la muerte y la propagación de las células cancerosas. Cuando llevaron a cabo el mismo experimento en líneas celulares reales, confirmaron que el bloqueo de los nodos identificados en el modelo tenía efectos diferenciales en el crecimiento y la supervivencia celular. Además, el modelo podría predecir los efectos sinérgicos de los tratamientos que funcionan contra diferentes nodos en la red, lo que podría ayudar a identificar combinaciones de fármacos prometedoras para futuras investigaciones.
«Nuestros modelos personalizados sugieren tratamientos de fármacos únicos y combinados para pacientes con cáncer de próstata», concluye Laurence Calzone, investigadora del Instituto Curie y coautora principal del estudio junto con Julio Sáez-Rodríguez de la Universidad de Heidelberg, Alemania. «Estos avances son pasos graduales hacia la creación de gemelos digitales que ayudarán a los médicos antes de ir al lado de la cama del paciente, permitiéndoles capturar las individualidades de los pacientes y probar y clasificar diferentes tratamientos farmacológicos».
Explore más
Nuevo método predice la respuesta a fármacos de pacientes con cáncer Más información: Arnau Montagud et al, Los modelos booleanos específicos del paciente de redes de señalización guían tratamientos personalizados, eLife (2022). DOI: 10.7554/eLife.72626 Información del diario: eLife
Proporcionado por eLife Cita: Los «sustitutos» de pacientes virtuales pueden personalizar los tratamientos contra el cáncer (2022, 15 de febrero) consultado 29 de agosto de 2022 de https://medicalxpress.com/news/2022-02-virtual-patient-surrogates-personalize-cancer.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.