Investigan modelos predictivos para conocer la combinación de genes que marcan una patología

Actualizado: lunes, 20 septiembre 2010 17:25

VALENCIA, 20 Sep. (EUROPA PRESS) -

Investigadores del Departamento de Bioinformática y Genómica del Centro de Investigación Príncipe Felipe (CIPF) de Valencia han colaborado en un estudio para el desarrollo de modelos predictivos basados en la técnica de microarrays, que permite realizar un análisis individualizado de cada uno de los genes y localizar qué combinaciones de genes son marcadores de determinadas enfermedades u otros rasgos como la intolerancia a medicamentos.

El estudio parte como base general de la necesidad de conocer las causas genéticas por las cuales no todos los pacientes cursan las enfermedades de la misma manera ni reaccionan igual ante el mismo tratamiento, según ha informado este lunes la institución científica en un comunicado.

Los predictores son la base de la medicina personalizada y su objetivo final es pronosticar el curso de la enfermedad o la posible existencia de complicaciones, optimizar y personalizar los tratamientos y aumentar la eficacia de los fármacos. La posibilidad de predecir efectos adversos en los fármacos elimina virtualmente riesgos en su administración.

En esta iniciativa, cuyos resultados acaban de publicarse en la revista científica Nature Biotechnology, han participado 36 equipos de investigación independientes que han analizado datos de expresión de genes obtenidos mediante microarrays, con el objetivo de generar modelos predictivos indicativos de toxicidad en pulmón o hígado en roedores, de cáncer de mama, de mieloma múltiple o de neuroblastoma en humanos.

Entre los grupos de investigación, el CIPF ha sido el único equipo español entre otros centros de investigación, laboratorios farmacéuticos y universidades internacionales.

El proyecto, denominado The MicroArray Quality Control (MAQC)-II, es una iniciativa de la FDA americana (Food and Drug Administration) para ver qué métodos funcionaban mejor como modelos predictivos en aquellos casos en que se conocía la existencia de heterogeneidad caracterizada.

"La idea era trabajar en bioestadística, utilizando todas las distintas opciones de matemática para analizar todas las combinaciones posibles y comprobar qué modelo era el que mejor funcionaba", ha apuntado Joaquín Dopazo, investigador principal del Departamento de Bioinformática y Genómica del CIPF.

Con el objetivo final de dilucidar cuál era la mejor forma de hacer un predictor, entre los grupos implicados se han probado más de 30.000 modelos en seis conjuntos de datos, con combinaciones de métodos matemáticos, de selección de genes y de procesamiento.

Las variaciones individuales en la respuesta de cada paciente puede deberse a diversas razones, pero está comprobado que muchas de estas reacciones están determinadas genéticamente, y que por ello provocan resultados clínicos distintos.

Según Joaquín Dopazo, "se trata de un nuevo planteamiento más centrado en los enfermos que en las enfermedades, dado que la población es heterogénea y por ello no reacciona igual, se puede estratificar molecularmente a esta población y correlacionar aquello que es distinto con el parámetro clínico que se quiere pronosticar".

HERRAMIENTAS BIOINFORMÁTICAS

El grupo de científicos del CIPF ha participado en el proyecto aportando su experiencia en el desarrollo de modelos predictivos a partir de un diseño experimental. El programa utilizado para la realización de este trabajo forma parte de las herramientas bioinformáticas diseñadas por estos investigadores, y analiza qué genes y qué fórmula matemática se ha de usar para predecir la "clase" a la que pertenece un nuevo paciente.

Al respecto, Dopazo ha afirmado que "la idea es centrarse en la configuración de activación de genes de cada paciente y saber de antemano si va a tener un buen o un mal pronóstico, si va a presentar intolerancia o si va a responder bien o mal a un determinado tratamiento de acuerdo con su propia configuración de genes".

En la práctica clínica convencional no hay una forma de medir estos factores, y en ocasiones las reacciones negativas ante los tratamientos pueden ser fatales para el paciente.

Por ello, la introducción de predictores en la práctica clínica constituye un avance no sólo en cuanto a tratamiento personalizado, sino también en cuanto al pronóstico sobre la evolución del paciente, como por ejemplo valoraciones sobre el posible desarrollo de metástasis en algunos tipos de cáncer. Asimismo, los modelos predictivos pueden ser también útiles para evaluar fármacos.

Las conclusiones y recomendaciones del proyecto MAQC-II pueden ser de gran utilidad para agencias reguladoras, comités de estudio e investigadores en general, interesadas en evaluar métodos para análisis de expresión global de genes.