Cr\u00e9dito: Unsplash\/CC0 Public Domain <\/p>\n
Los cient\u00edficos han desarrollado modelos matem\u00e1ticos que act\u00faan como ‘sustitutos’ de los pacientes para evaluar posibles tratamientos contra el c\u00e1ncer de pr\u00f3stata. <\/p>\n
La investigaci\u00f3n, publicada hoy en eLife, en \u00faltima instancia, podr\u00eda ayudar a los m\u00e9dicos a elegir la combinaci\u00f3n de medicamentos m\u00e1s efectiva antes de comenzar a tratar a un paciente, mejorando potencialmente su respuesta y evitando la resistencia a los medicamentos.<\/p>\n
Los investigadores utilizaron un enfoque llamado Modelado booleano, que ya se utiliza para describir la din\u00e1mica de procesos complejos de se\u00f1alizaci\u00f3n celular. Pero los modelos existentes han sido gen\u00e9ricos y no han tenido en cuenta las diferencias entre las enfermedades de los pacientes individuales o c\u00f3mo responden al tratamiento.<\/p>\n
\u00abEl sue\u00f1o siempre ha sido utilizar modelos y datos cada vez m\u00e1s complejos hasta que podamos tener gemelos digitales, humanos virtuales o sustitutos, una simulaci\u00f3n que ayuda a seleccionar el tratamiento cl\u00ednico adecuado para un paciente determinado con altos grados de especificidad o sensibilidad\u00bb, explica Arnau Montagud, quien era investigador en el Institut Curie, Par\u00eds, Francia, en el momento en que el se llev\u00f3 a cabo el estudio y ahora se encuentra en el Barcelona Supercomputing Center (BSC), Espa\u00f1a. \u00abQuer\u00edamos saber si nuestro m\u00e9todo de adaptar modelos booleanos de se\u00f1alizaci\u00f3n celular era lo suficientemente preciso como para discriminar entre diferentes pacientes y si los modelos pod\u00edan usarse como bancos de pruebas para clasificar tratamientos farmacol\u00f3gicos personalizados\u00bb.<\/p>\n
Para empezar, el equipo us\u00f3 datos de The Cancer Genome Atlas (TCGA) y otras bases de datos para crear una red de todas las v\u00edas relevantes involucradas en la se\u00f1alizaci\u00f3n de las c\u00e9lulas de la pr\u00f3stata. Luego convirtieron esto en un modelo booleano gen\u00e9rico 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 c\u00e1ncer de pr\u00f3stata de TCGA se utilizaron para crear 488 modelos booleanos espec\u00edficos de pacientes. Por ejemplo, cuando el tumor de un paciente ten\u00eda una mutaci\u00f3n en un gen espec\u00edfico, esto significaba que el nodo en la red estaba inactivo y se le asignaba un valor de 0.<\/p>\n
Despu\u00e9s de construir estos modelos, el equipo analiz\u00f3 en cada paciente modelo de genes que, cuando se inhiben, bloquear\u00edan el crecimiento o fomentar\u00edan la muerte de las c\u00e9lulas cancerosas. Redujeron estos genes a una lista de objetivos de medicamentos existentes y realizaron simulaciones para predecir qu\u00e9 suceder\u00eda si se combinaran los medicamentos. Esto les permiti\u00f3 comparar los efectos de medicamentos individuales en cada paciente y proponer ciertos medicamentos que funcionar\u00edan para pacientes espec\u00edficos o para grupos de pacientes. La inactivaci\u00f3n de algunos de los genes tuvo un mayor efecto en algunos pacientes en comparaci\u00f3n con otros, lo que destaca las oportunidades para tratamientos farmacol\u00f3gicos personalizados. Las simulaciones tambi\u00e9n detectaron patrones relacionados con el grado de los tumores de los pacientes medido por la puntuaci\u00f3n de Gleason, lo que sugiere que en el futuro podr\u00eda ser posible adaptar los tratamientos farmacol\u00f3gicos a los pacientes con c\u00e1ncer de pr\u00f3stata de acuerdo con su puntuaci\u00f3n.<\/p>\n
Probar si estas predicciones de tratamiento son ciertas en pacientes que requerir\u00edan un ensayo cl\u00ednico, por lo que el equipo construy\u00f3 ocho modelos de l\u00edneas celulares de c\u00e1ncer de pr\u00f3stata personalizados diferentes a partir de datos disponibles p\u00fablicamente. Al igual que con los modelos de pacientes, buscaron mutaciones comunes en las l\u00edneas celulares que influyeron en el crecimiento o la muerte de las c\u00e9lulas cancerosas. Esto dio como resultado la identificaci\u00f3n de 17 prote\u00ednas a las que podr\u00edan dirigirse los f\u00e1rmacos.<\/p>\n
Luego, para investigar si los f\u00e1rmacos dirigidos a estas prote\u00ednas tendr\u00edan los efectos previstos, imitaron el efecto de diferentes dosis de f\u00e1rmacos en el modelo cambiando desactivar cada nodo del 100 % activo al 0 % activo y observar los efectos sobre el crecimiento, la muerte y la propagaci\u00f3n de las c\u00e9lulas cancerosas. Cuando llevaron a cabo el mismo experimento en l\u00edneas celulares reales, confirmaron que el bloqueo de los nodos identificados en el modelo ten\u00eda efectos diferenciales en el crecimiento y la supervivencia celular. Adem\u00e1s, el modelo podr\u00eda predecir los efectos sin\u00e9rgicos de los tratamientos que funcionan contra diferentes nodos en la red, lo que podr\u00eda ayudar a identificar combinaciones de f\u00e1rmacos prometedoras para futuras investigaciones.<\/p>\n
\u00abNuestros modelos personalizados sugieren tratamientos de f\u00e1rmacos \u00fanicos y combinados para pacientes con c\u00e1ncer de pr\u00f3stata\u00bb, concluye Laurence Calzone, investigadora del Instituto Curie y coautora principal del estudio junto con Julio S\u00e1ez-Rodr\u00edguez de la Universidad de Heidelberg, Alemania. \u00abEstos avances son pasos graduales hacia la creaci\u00f3n de gemelos digitales que ayudar\u00e1n a los m\u00e9dicos antes de ir al lado de la cama del paciente, permiti\u00e9ndoles capturar las individualidades de los pacientes y probar y clasificar diferentes tratamientos farmacol\u00f3gicos\u00bb. <\/p>\n
Explore m\u00e1s<\/p>\n
Nuevo m\u00e9todo predice la respuesta a f\u00e1rmacos de pacientes con c\u00e1ncer M\u00e1s informaci\u00f3n:<\/strong> Arnau Montagud et al, Los modelos booleanos espec\u00edficos del paciente de redes de se\u00f1alizaci\u00f3n gu\u00edan tratamientos personalizados, eLife (2022). DOI: 10.7554\/eLife.72626 Informaci\u00f3n del diario:<\/strong> eLife <\/p>\n Proporcionado por eLife Cita<\/strong>: Los \u00absustitutos\u00bb de pacientes virtuales pueden personalizar los tratamientos contra el c\u00e1ncer (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 est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Cr\u00e9dito: Unsplash\/CC0 Public Domain Los cient\u00edficos han desarrollado modelos matem\u00e1ticos que act\u00faan como ‘sustitutos’ de los pacientes para evaluar posibles tratamientos contra el c\u00e1ncer de pr\u00f3stata. La investigaci\u00f3n, publicada hoy en eLife, en \u00faltima instancia, podr\u00eda ayudar a los m\u00e9dicos a elegir la combinaci\u00f3n de medicamentos m\u00e1s efectiva antes de comenzar a tratar a un … Continuar leyendo \u00abLos ‘sustitutos’ de los pacientes virtuales pueden personalizar los tratamientos contra el c\u00e1ncer\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-8428","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/8428","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=8428"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/8428\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=8428"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=8428"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=8428"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}