Un grupo de investigadores del Centro de Ingeniería Biomédica de la Universidad de Navarra -compuesto por ingenieros de Tecnun y CEIT-IK4 y por científicos del CIMA y Clínica Universidad de Navarra- ha desarrollado un conjunto de algoritmos matemáticos que permiten localizar vulnerabilidades del metabolismo de los tumores que, al ser atajadas, impedirían que las células malignas siguieran desarrollándose. Así lo ha recogido un artículo publicado hoy en la revista Nature Communications.

Tal y como explica Iñigo Apaolaza, primer autor e investigador de Tecnun, “las células tumorales necesitan una serie de compuestos para crecer y sobrevivir. Para fabricarlos, sus genes forman redes metabólicas, muy similares a las redes de carreteras que utilizamos cada día. Lo que hemos logrado con nuestros algoritmos y métodos matemáticos es identificar qué genes son imprescindibles para que una célula tumoral produzca estos compuestos y, por lo tanto, sobreviva. Como en las redes de carreteras, puede haber tramos redundantes y otros de obligado paso, absolutamente imprescindibles. El reto es localizar estos últimos para eliminarlos y así imposibilitar a la célula la fabricación de los compuestos esenciales para su supervivencia”.

“Este algoritmo”, continúa el Dr. Felipe Prósper, investigador principal del grupo de CIMA y codirector de Hematología y del Área de Terapia Celular de la Clínica Universidad de Navarra, “se ha aplicado a un tipo específico de cáncer, que es el mieloma múltiple -incurable actualmente- como forma de validar que la estrategia funciona”. La validación ha consistido en una serie de pruebas in vitro, a cargo del grupo del CIMA, sobre una proteína, RRM1, que el algoritmo señaló como esencial en el desarrollo de mieloma múltiple. “Utilizando muestras de mieloma se ha podido confirmar en el 100% de los casos la capacidad predictiva del algoritmo para identificar si RRM1 es esencial o no para el tumor”, añade el Dr. Felipe Prósper, investigador de IdiSNA y del Centro de Investigación Biomédica en Red en Cáncer (CIBERONC).

 “Se trata de una herramienta aplicable a cualquier tumor. A partir de los resultados obtenidos, se podrán desarrollar nuevos fármacos o reutilizar medicamentos ya existentes para atacar la enfermedad”, enfatiza Francisco J. Planes, profesor de la Escuela de Ingenieros Tecnun e investigador principal del trabajo. “Además”, añade, “no sólo hemos dado con vulnerabilidades metabólicas para el crecimiento del tumor, sino que identificamos una lista de genes cuya actividad nos permite predecir qué pacientes podrían responder positivamente al tratamiento, en el marco de una medicina personalizada”.

Hoy se ha publicado el artículo del proyecto -que se desarrolla desde 2012 impulsado desde el Centro de Ingeniería Biomédica de la Universidad de Navarra- y que también compara este algoritmo con otros diseñados por grupos de Tel Aviv University (Israel) o UC San Diego (EE. UU.), entre otros. Todos ellos integrados, al igual que este equipo, por médicos e ingenieros: “Comparativamente nuestro algoritmo tiene un mejor comportamiento respecto a los desarrollados por estos centros y añade un enfoque diferente”, afirma Francisco J. Planes.

Los siguientes pasos que dará este grupo de científicos se centrarán en la aplicación del algoritmo a otro tipo de tumores –ya están desarrollando un proyecto con CIC bioGUNE en cáncer de próstata y mama resistente a terapia endocrina-, en la mejora de la propia herramienta y en la ampliación de la validación experimental preclínica de RRM1. Para ello cuentan con la cofinanciación del Ministerio de Economía, Industria y Competitividad (MINECO) y Gobierno Vasco.

Fuente: Centro de Ingeniería Biomédica Universidad de Navarra

Investigación original: Iñigo Apaolaza, Edurne San José-Eneriz, Luis Tobalina, Estíbaliz Miranda, Leire Garate, Xabier Agirre, Felipe Prósper & Francisco J. Planes. An in-silico approach to predict and exploit synthetic lethality in cancer metabolism. Nature Communications 8, Article number: 459 (2017). doi:10.1038/s41467-017-00555-y