Un algoritme prediu tractaments personalitzats per a 85 tipus de càncers

Amb la participació d'investigadors de la Universitat Rovira i Virgili, permet trobar combinacions de fàrmacs per superar la resistència que generen els tumors al cap d'un temps
Un algoritme prediu tractaments personalitzats per a 85 tipus de càncers

Un algoritme prediu tractaments personalitzats per a 85 tipus de càncers

Amb la participació d'investigadors de la Universitat Rovira i Virgili, permet trobar combinacions de fàrmacs per superar la resistència que generen els tumors al cap d'un temps
Xavier Duran Actualitzat
TEMA:
Càncer
Marta Sala i Roger Guimerà formen part de l'equip investigador

Combinar diversos fàrmacs és una de les estratègies per superar la resistència que alguns tumors generen al cap d'un temps de tractament. Però, com trobar la combinació adequada per a un tipus concret de càncer quan hi ha desenes de fàrmacs disponibles? 

La resposta la pot donar un algoritme desenvolupat per Marta Sales, Roger Guimerà, Antonia Godoy i Marc Tarrés, del grup de recerca SEES Lab (Ciència i Enginyeria de Sistemes Emergents) del Departament d'Enginyeria Química de la Universitat Rovira i Virgili (URV). Els resultats es publiquen a la revista "Nature Communications".

L'article recull els millors resultats d'un repte al qual van fer front 160 centres de recerca, institucions i investigadors de tot el món. Es tracta del Drug Combination Prediction DREAM Challenge, promogut pels laboratoris AstraZeneca i l'Institut Sanger. Forma part dels reptes DREAM, acrònim de Dialog for Reverse Engineering Assessments and Methods. L'equip de la URV es va situar entre els deu que van aconseguir millors resultats.

En aquest cas, es tractava d'afrontar aquest problema: els tumors desenvolupen sovint resistències i combinar diferents fàrmacs pot ser una solució. Però la gran varietat de medicaments contra el càncer fa que les possibles combinacions siguin moltes. I investigar la seva eficàcia amb proves en laboratori i assajos clínics sense tenir cap indici previ dels resultats acaba sent materialment i econòmicament inviable.
 

910 possibles comunicacions

Els equips havien de predir quina seria la interacció entre 69 fàrmacs davant de 85 tipus diferents de càncer. Això donava 910 combinacions. Per establir les interaccions, els investigadors utilitzaven una base de dades amb els resultats de 11.576 combinacions provades experimentalment.

L'equip de la URV va utilitzar un model matemàtic de xarxes multicapa que permet fer múltiples combinacions entre les interaccions dels fàrmacs i els diferents tipus de càncers. L'algoritme agrupa, d'una banda, els càncers que s'assemblen i, de l'altra, incorpora una altra capa amb els medicaments que es comporten de manera similar.

El sistema permet predir amb una taxa d'encerts del 75% com seran les interaccions entre medicaments en cadascun dels tipus de càncer. I això tenint en compte només les interaccions conegudes i sense considerar altres paràmetres biològics. Roger Guimerà valora així l'algoritme:

"Es tracta d'un model molt senzill, que té el valor afegit que no està enfocat només a tractaments contra el càncer sinó que es pot aplicar també a altres variables i és molt fàcil d'entendre."

Així, aquest mateix model s'ha fet servir, per exemple, per predir si a un individu li agradarà una pel·lícula o no, o si alguna persona decidirà cooperar amb una altra o competir-hi.
 

Investigar tots els factors

En l'article es matisa que hi ha molts mecanismes que poden provocar resistència als fàrmacs, des de la intervenció de factors genètics a interaccions entre les cèl·lules tumorals i el microambient on es troben. Per això, moltes combinacions poden ser efectives per algunes d'aquestes interaccions i els beneficis poden provenir de característiques concretes del malalt o del tumor més que de l'efecte del fàrmac en si.

Per això, tot i l'avenç que significa, demanen més recerca per relacionar l'actuació dels fàrmacs i l'heterogeneïtat dels pacients. També volen models que trobin combinacions terapèutiques de més de 2 fàrmacs.

ARXIVAT A:
Càncer Salut