Cuando un paciente desarrolla un tumor, este acumula mutaciones. Sin embargo, no todas son relevantes para el avance del cáncer. Por eso, un equipo de investigadores españoles ha elaborado una herramienta, basada en métodos de aprendizaje automático con el propósito de elegir el mejor tratamiento para cada paciente. El estudio fue publicado en Nature.
La herramienta computacional del laboratorio de Genómica Biomédica del IRB Barcelona identifica las mutaciones impulsoras del cáncer para cada tipo de tumor. La inteligencia artificial evalúa la contribución potencial de todas las posibles mutaciones en un gen de un determinado tipo de tumor al desarrollo y progresión del cáncer.
BoostDM
En un trabajo previo, el laboratorio realizó un método para identificar los genes responsables de la aparición, progresión y diseminación del cáncer. El presente estudio ha sido liderado por la científica ICREA Dra. Núria López-Bigas del IRB Barcelona.
“BoostDM va más allá: simula cada posible mutación dentro de cada gen para un tipo específico de cáncer e indica cuáles son clave en el proceso del cáncer”, dice Lopez-Bigas. “Esta información nos ayuda a comprender cómo se produce un tumor a nivel molecular y puede facilitar las decisiones sobre la terapia más adecuada”.
La nueva herramienta se ha integrado en la plataforma IntOGen, diseñada para ser utilizada por la comunidad científica y médica en proyectos de investigación. También se la incluyó en el Cancer Genome Interpreter, más enfocado en la toma de decisiones clínica por médicos oncólogos.
BoostDM trabaja actualmente con los perfiles mutacionales de 28.000 genomas analizados de 66 tipos de cáncer. El alcance de BoostDM crecerá como resultado del aumento previsible de genomas de cáncer de acceso público.
Basado en la biología evolutiva
Para identificar las mutaciones implicadas en el cáncer, los científicos se basaron en un concepto clave en la evolución: la selección positiva. Las mutaciones que impulsan el crecimiento y desarrollo del cáncer se encuentran en mayor cantidad, en comparación con las que ocurrirían al azar.
“Hacer este análisis manualmente sería excesivamente laborioso, pero existen estrategias computacionales que permiten organizarlo de manera sistemática y eficiente”, señala el Dr. Ferran Muiños co-primer autor del trabajo.
A partir de los datos, el método propuesto aprende cuáles son los atributos distintivos de las mutaciones que favorecen el crecimiento del cáncer. Además, esta información es útil para la realización de nuevos enfoques terapéuticos.
Un modelo computacional para cada gen y tipo de cáncer
La herramienta ya ha generado 185 modelos para identificar mutaciones en un gen específico en un tipo de cáncer determinado. Por ejemplo, elaboró un modelo que ha identificado todas las posibles mutaciones en el gen EGFR que desencadenan el desarrollo tumoral en algunos cánceres de pulmón, también para el mismo gen en casos de glioblastoma, etc.
A medida que los datos de secuenciación de tumores se vuelvan accesibles al público, se podrán incorporar al sistema. Esto permitirá generar nuevos modelos para todos los genes del cáncer en los próximos años.
Cuando se lleva a cabo un modelo, los especialistas interrogan cada posible mutación de un gen del cáncer en un tipo de tejido (mutagénesis de saturación) y determinan si es relevante para el avance de la enfermedad.
Este proceso produce un mapa de mutaciones clave, valioso en el área de la investigación del cáncer y en la medicina oncológica personalizada. Los autores han demostrado que esta herramienta de modelo de predicción es más eficiente y precisa que los enfoques experimentales.
