RTD detective, un algoritmo desarrollado en Barcelona, predice tratamientos personalizados para enfermedades genéticas y cáncer, revolucionando la medicina personalizada.
Un nuevo algoritmo llamado RTD detective, desarrollado por el Instituto de Investigación Biomédicina (IRB) y el Centro de Regulación Genómica (CRG) de Barcelona, ha revolucionado la predicción de tratamientos eficaces para enfermedades causadas por mutaciones genéticas. Este modelo computacional puede identificar señales de terminación prematura que conducen a una síntesis incompleta de proteínas, una condición subyacente a una variedad de patologías y cánceres monogénicos.
Los resultados, publicados en la revista Nature Genetics, destacan el potencial de RTD detective para personalizar y optimizar el diseño de ensayos clínicos, revolucionando potencialmente los enfoques de tratamiento para miles de pacientes.
Predicción de fármacos para proteínas incompletas
Las mutaciones sin sentido en el ADN actúan como señales de stop para la síntesis de proteínas y son responsables de una de cada cinco enfermedades monogénicas, como la fibrosis quística y la distrofia muscular de Duchenne. Estas mutaciones también afectan a los genes supresores de tumores y promueven el desarrollo del cáncer al inactivar las funciones protectoras de estos genes.
Ignasi Toledano, autor principal del estudio, afirma: "Con RTD detective podremos predecir qué fármacos evitarán estas señales de stop, aumentando significativamente la eficacia del tratamiento. Esto es muy importante porque hasta el momento, muchos estudios clínicos lo han hecho". Sin embargo, hasta ahora, muchos ensayos clínicos han fracasado debido a la falta de correlación entre la mutación específica del paciente y la terapia administrada.
Ben Lehner y Fran Supek, autores principales de la investigación. Foto: CRG
Un enfoque basado en datos masivos
El desarrollo de RTD detective se basa en un análisis exhaustivo de datos de más de 5000 pacientes de fuentes como ClinVar y The Cancer Genome Atlas (TCGA). Los investigadores probaron la eficacia de ocho fármacos leyendo 5.800 señales de stop utilizando líneas celulares humanas.
Este enfoque experimental generó un conjunto sin precedentes de más de 140.000 mediciones individuales, lo que permitió entrenar modelos predictivos con una precisión sin precedentes. "Pasar por una señal de stop es similar a superar un obstáculo en la autopista. Algunas mutaciones proporcionan caminos más fáciles de superar que otras", explicó Toledano, enfatizando la complejidad del proceso.
Medicinas personalizadas: Una realidad cercana
Los resultados obtenidos son prometedores. RTD detective predice que del 87,3% de las posibles señales de stop presentes en el genoma humano, al menos uno de los seis fármacos probados tiene el potencial de aumentar la síntesis proteica en un 1% o más.
Este pequeño porcentaje es muy importante para reducir la gravedad de enfermedades como el síndrome de Hurler, y una cantidad mínima de proteína funcional puede marcar la diferencia. Ben Lehner, coautor del estudio, destacó la importancia de este avance: "Estamos en camino de hacer realidad la promesa de la medicina personalizada, donde un modelo computacional puede sugerir el mejor fármaco para un paciente en función de su mutación específica".
Perspectivas futuras en el tratamiento del cáncer
Esta investigación no sólo abre nuevas vías para el tratamiento de enfermedades genéticas hereditarias, sino que también tiene importantes implicaciones para el tratamiento del cáncer. El coautor principal Fran Speck concluyó: "Nuestra investigación sugiere que este enfoque podría aplicarse rápidamente para identificar pacientes que se beneficien de nuevos fármacos, acelerando así la disponibilidad de tratamientos efectivos para aquellos que más lo necesitan". Los investigadores ya están planeando explorar combinaciones terapéuticas que podrían aumentar la eficacia de los tratamientos, particularmente en el campo de la oncología.
Fuente consultada aquí.
