Desarrollan un algoritmo basado en machine learning para predecir qué pacientes de cáncer pueden beneficiarse de la inmunoterapia
Mediante el uso de machine learning, los investigadores han creado una herramienta que detecta las mutaciones genéticas que activan el sistema inmunitario, lo que contribuye a identificar qué pacientes con cáncer tienen más probabilidades de beneficiarse de la inmunoterapia.
El algoritmo también revela qué personas con determinadas enfermedades hereditarias podrían beneficiarse de un tipo de medicamentos ya existentes.
Científicos del Instituto de Investigación en Biomedicina de Barcelona (IRB Barcelona), en colaboración con el Centro de Regulación Genómica (CRG) y la Universidad de Radboud, han desarrollado un algoritmo que puede predecir qué pacientes con cáncer tienen más probabilidades de beneficiarse de la inmunoterapia.
El potencial de la nueva tecnología se describe hoy en Nature Genetics por parte de investigadores del IRB Barcelona, el Centro de Regulación Genómica y la Universidad de Radboud.
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.
Las mutaciones en nuestro ADN pueden interrumpir la síntesis de proteínas, que en ocasiones producen proteínas truncadas que no funcionan según lo previsto. Este tipo 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 nonsense-mediated mRNA decay (degradación mediada por ARN mensajeros sin sentido, 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 machine learning o aprendizaje automático, el algoritmo identifica qué mutaciones en el genoma son susceptibles del NMD.
Fran Supek, investigador ICREA en el IRB Barcelona
Tal como se describe hoy 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 inmune. 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.
Ben Lehner
“Los tumores están plagados de mutaciones genéticas que deberían producir todo tipo de proteínas extrañas. El sistema inmunitario debería detectarlos, identificar las células dañadas y destruirlas», explica Ben Lehner, investigador del
, 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 inmunitario a reconocer mejor las células tumorales «, afirma Lehner.
Rik Lindeboom
«Aquí vemos un ejemplo de cómo los datos públicos de genómica del cáncer se pueden “reutilizar» a través de enfoques de machine learning para comprender mejor los procesos biológicos como el NMD», explica el primer autor 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».
Este estudio ha sido financiado por las subvenciones HYPER-INSIGHT e IR-DC del Consejo Europeo de Investigación (ERC, por sus siglas en inglés), por el Dutch Oncode Institute, por el Ministerio de Ciencia, Innovación y Universidades , la Fundación Bettencourt Schueller y la Agencia de Gestión de Ayudas Universitarias y de Investigación (AGAUR).
Artículo de referencia
Rik G.H. Lindeboom, Michiel Vermeulen, Ben Lehner & Fran Supek
The impact of nonsense-mediated mRNA decay on genetic disease, gene editing and cancer immunotherapy
Nature Genetics (2019) DOI:10.1038/s41588-019-0517-5
IRB Barcelona- Diana terapéutica para la enfermedad de Kennedy y el cáncer de próstata