MADRID, 13 Oct. (EUROPA PRESS) -
Los científicos de una iniciativa lanzada por el Instituto Parker para la Inmunoterapia del Cáncer (PICI) y el Instituto de Investigación del Cáncer llamada Alianza para la Selección de Neoantígenos Tumorales (TESLA), en Estados Unidos, han descubierto parámetros para predecir mejor qué neoantígenos, unos pequeños marcadores que surgen de mutaciones cancerosas, pueden estimular un efecto de eliminación del cáncer, según publican en la revista 'Cell'.
TESLA reúne a 36 equipos de investigación líderes en biotecnología, farmacia, universidades y científicos sin fines de lucro y sus hallazgos podrían generar una nueva generación de inmunoterapias contra el cáncer personalizadas más efectivas.
Los neoantígenos señalan a las células como cancerosas y podrían ser la clave para desbloquear una nueva generación de inmunoterapias. Dirigirse a los neoantígenos "correctos", en una vacuna contra el cáncer o una terapia celular, promete eliminar el cáncer de un paciente con efectos secundarios mínimos. Pero pueden existir cientos de mutaciones en un tumor, y solo algunas pueden dar lugar a neoantígenos que pueden desencadenar una respuesta inmunitaria contra el cáncer. La pregunta es cuáles.
A través de un análisis computacional avanzado, la alianza descubrió cinco características que indicaban claramente qué marcadores de cáncer tenían más probabilidades de generar una respuesta inmunitaria. Se dividieron en dos categorías principales: la forma en que se presenta el neoantígeno en la célula cancerosa y la forma en que el sistema inmunológico reconoce el neoantígeno.
Cuando se puso a prueba el modelo de datos que enfatizaba estas cinco características contra otro conjunto de muestras de cáncer, predijo con precisión el 75 por ciento de los objetivos de neoantígeno efectivos y filtró el 98 por ciento de los ineficaces.
"Nuestro objetivo es que los datos producidos a partir de TESLA se conviertan en el estándar de referencia al desarrollar un nuevo tratamiento basado en neoantígenos --explica Daniel Wells, científico principal de datos en PICI y autor correspondiente del estudio--. Si todos los métodos, antiguos y nuevos, utilizaran los datos para comparar sus predicciones, todo el campo podría colaborar e iterar en nuevos métodos mucho más rápidamente". Wells codirigió TESLA con Nadine Defranoux, coautora principal del artículo.
Para producir este punto de referencia, cada equipo de TESLA presentó sus predicciones de neoantígenos más prometedoras para tejido de melanoma y cáncer de pulmón de células no pequeñas (NSCLC) a la organización sin fines de lucro Sage Bionetworks. A continuación, PICI comparó y validó qué predicciones eran correctas y reconocibles por una célula T.
Cuando las cinco características recién encontradas se volvieron a aplicar a los algoritmos de los equipos participantes, las predicciones mejoraron considerablemente.
"Hasta ahora, la predicción de neoantígenos ha sido una caja negra. Teníamos pistas sobre qué características podrían ser importantes. El modelo de datos de TESLA es el primero en identificar estas cinco características como significativas", apunta el reconocido experto en neoantígenos, coautor principal del artículo, el profesor Robert D. Schreiber, director del Centro Andrew M. y Jane M. Bursky para Programas de Inmunología e Inmunoterapia Humana en la Facultad de Medicina de la Universidad de Washington en St. Louis.
Los resultados también demostraron que no hay dos metodologías de predicción iguales y que la mayoría son significativamente diferentes. La metodología de ningún equipo identificó todos los neoantígenos, ni una gran mayoría de estos marcadores de cáncer, lo que indica la necesidad de un esfuerzo científico armonizado como TESLA.
Pero aun se necesitan más estudios en otros tipos de cáncer, pero los descubrimientos son un paso adelante significativo para la investigación de neoantígenos.
"Esta investigación tiene el potencial de mejorar los algoritmos matemáticos de los fabricantes de medicamentos y de los investigadores. Puede priorizar los antígenos con más probabilidades de estar presentes en el cáncer de cada paciente y más visibles para el sistema inmunológico, mientras que desprioriza los que no lo están. Eso significa una mejor individualización tratamientos para pacientes --apunta Lisa Butterfield, vicepresidenta de investigación y desarrollo en PICI--. Estamos emocionados de ver a dónde lleva el campo estos hallazgos".
El conjunto de datos completo de TESLA, el más grande de su tipo, está disponible gratuitamente para la comunidad de investigadores. La esperanza de sus autores es que pueda conducir a un desarrollo acelerado de terapias personalizadas e incluso a una eficacia mejorada para los pacientes con cáncer en todo el mundo.
