Investigadores de la Universidad de Oviedo diseñan un algoritmo para abarcar los macrodatos de variaciones genéticas de la enfermedad
05 dic 2017 . Actualizado a las 12:17 h.Un mapa, matemático, de las mutaciones de los genes de varantes del cáncer como la leucemia. Este mapa, que a través de un complejo algortimo es capaz de cruzar los datos de miles de variaciones genéticas con los que de un reducido número de pacientes, resultará una herramienta fundamental en el desarrollo de trabajos de investigación contra la enfermedad.
El grupo de Problemas Inversos, Optimización y Aprendizaje Automático de la Universidad de Oviedo, dirigido por el profesor Juan Luis Fernández-Martínez, y en el que participan el profesor Enrique J. de Andrés Galiana y la profesora Ana Cernea, ha logrado dos nuevos avances para la oncología basados en «la modelización robusta del 'ittle-big data' biomédico»; esto es la adaptación a una escala abarcable de enormes cantidades de datos. Gracias a esta nueva técnica, desarrollada con una nueva mutación en pacientes con leucemia linfocítica crónica (LLC), se han establecido las bases predictivas de los efectos secundarios de las pacientes con cáncer de mama.
Según detalló la Universidad de Oviedo a través de una nota de prensa, la mutación localizada en leucemia linfocítica crónica, la más común en los países occidentales, es la del gen NOP16, que se predijo con una exactitud del 100%, utilizando una firma genética compuesta por 26 genes. La modelización matemática permite determinar el efecto de la mutación de un gen en el ADN (en este caso NOP16) y analizar cuáles son los genes afectados a nivel de la transcripción genética. Se trata de establecer una relación entre la causa (mutación) y su efecto en el progreso de la enfermedad. De esta forma se logró ver qué vías se ven afectadas por dicha mutación, indicando la importancia de diferentes mecanismos de señalización conocidos en el estudio del cáncer, así como en la respuesta del sistema inmunitario. En el caso de la leucemia se han detectado un gran número de mutaciones y aberraciones genéticas, por lo que el estudio de los mecanismos comunes de acción es de vital importancia.
«Si eres capaz de predecir algo quiere decir que conoces sus causas, no hay coincidencias fortuitas», señala Fernández-Martínez, «y por eso lo que hacemos es valernos de la modelización matemática para ver cuáles son las vías genéticas alteradas. Se trata de algoritmos que hemos diseñado en Oviedo y que son muy robustos al efecto del ruido en los datos genéticos». En la investigación se han estudiado las mutaciones individualmente y se ha buscado la intersección, es decir, los genes que están afectados por todas ellas a la vez.
Efectos secundarios en tratamiento del cáncer de mama
En la segunda investigación, realizada en colaboración con equipos de las Universidades de Ohio y de Harvard, se predijeron los efectos secundarios de pacientes de cáncer de mama tratados con inhibidores de la enzima aromatasa. Estos tratamientos bloquean dicha enzima haciendo que exista una menor cantidad de estrógeno disponible para estimular la multiplicación de las células de cáncer de mama. Se trataba de entender por qué algunas de las mujeres tratadas desarrollan dolores articulares (artralgias). Para ello, se utilizaron los SNPs (polimorfismo de un solo nucleótido), que es una variación en la secuencia de ADN que afecta a una sola base de una secuencia del genoma.
El algoritmo desarrollado por la Universidad de Oviedo analizó el poder predictor de más de 650.000 SNPs e identificó un conjunto de 70 SNPs con un poder predictor del 76%, lo cual es remarcable dado que existen varios millones de bases que podrían ser utilizados en dicho análisis. Este estudio permitió entender cuáles son los mecanismos genéticos involucrados, y se extenderá en un futuro próximo a un conjunto de datos más completo con millones de SNPs monitorizados, y a otras patologías y sus efectos secundarios. Es la primera vez que se ha relacionado el desarrollo de artralgias en mujeres tratadas con inhibidores de aromatasa con un conjunto específico de SNPs/genes y vías genéticas. Este hallazgo abre la puerta a una futura búsqueda de soluciones para evitar este efecto secundario indeseado.
«Obviamente este es un primer paso, y los resultados que han surgido de estas modelizaciones matemáticas tendrán que ser confirmados mediante otros análisis clínicos complementarios», afirma el profesor Fernández-Martínez. El investigador espera «que nuestras investigaciones sirvan para proporcionar hipótesis en la búsqueda de nuevos fármacos y dianas terapéuticas. Actualmente hemos finalizado varias investigaciones sobre el Alzheimer, Parkinson, Esclerosis Múltiple, Fibromialgia, Miosotis o Cáncer de Mama, que están en revisión, y que muestran que la búsqueda de soluciones pasa por una modelización robusta del big-data biomédico, es decir, médicos y tecnólogos trabajando juntos».