Hallan 10 combinaciones de fármacos contra el cáncer de mama nunca antes probadas

Medicina y Salud Pública

    Hallan 10 combinaciones de fármacos contra el cáncer de mama nunca antes probadas

    Siete de las 10 combinaciones han mostrado un buen grado de sinergia, es decir, el efecto conjunto es más potente que la suma de los efectos individuales, y una de ellas ha sido validada en ratones.

    Un análisis exhaustivo realizado in silico para emparejar los 64 agentes terapéuticos desarrollados para tratar el cáncer de mama –la mitad en uso y la mitad en fase clínica– ha permitido a científicos del Instituto de Investigación Biomédica (IRB Barcelona) identificar 10 combinaciones completamente nunca probadas y con alto potencial para combatir el tumor..

    El trabajo, liderado por el investigador ICREA Patrick Aloy, se ha basado en el estudio de las redes de señalización celular, es decir, teniendo en cuenta las señales celulares que los fármacos alteran al tocar las moléculas diana donde van dirigidas. Así, 7 de las 10 combinaciones testadas en células de cáncer de mama in vitro han mostrado un buen grado de sinergia, es decir, que el efecto conjunto es más potente que la suma de los efectos individuales, y una de ellas ha sido validada en ratones.

    Los resultados en modelos murinos indican que la combinación de raloxifene y cabozantinib, dos fármacos usados hoy por los oncólogos, potencia "drásticamente" el efecto antitumoral de los dos fármacos por separado, como escriben los autores en Cancer Research, revista científica de la Asociación Norteamericana de Enfermos de Cáncer, que ha publicado los resultados en edición digital avanzada.

    Patrick Aloy, jefe del laboratorio de Bioinformática estructural y biología de redes en el IRB Barcelona, resume: "Encontramos muchas más combinaciones sinérgicas in silico que las surgidas de ensayos combinatorios hechos hasta ahora en laboratorio con técnicas de alto rendimiento, y damos detalle experimental de las mismas. Esto significa que los análisis computacionales previos se traducen en mejores resultados y más fiables".

    Los investigadores indican que para el 70% de las combinaciones testadas, el efecto conjunto de los dos fármacos es "mucho mayor" que el efecto individual y, por lo tanto, "para conseguir los mismos efectos terapéuticos se podrían reducir mucho las dosis".

    En el caso concreto de combinar raloxifene y cabozantinib testado en ratones, los científicos ven que el tumor se reduce en un 60%, mientras que el efecto individual de los fármacos solo consigue detener el crecimiento del tumor. Además, pueden usarse 3 veces menos dosis de un fármaco y 25 veces menos del otro que las cantidades que se prescriben actualmente.

    "Esto de por sí ya es muy importante dado que los fármacos no dejan de ser veneno para matar las células. Si con menos dosis consigues más o aunque sea el mismo efecto quimioterapéutico, es una gran ventaja para los pacientes de cara a mitigar los efectos secundarios", dice Aloy. "Además, y en principio, se evitaría o aplazaría la aparición de resistencias", prevé.

    Ahora, con el modelo computacional de redes validado, los científicos tienen abiertas tres líneas de investigación. En primer lugar y para avanzar paso a paso hacia la clínica, probar la combinación de raloxifene y cabozantinib en tumores de pacientes implantados en ratones. Para dicho objetivo, como en el trabajo ya realizado, cuentan con la colaboración del investigador ICREA del programa de Oncología, Angel R. Nebreda, también del IRB Barcelona.

    En segundo lugar, con el mismo objetivo de encontrar tratamientos más potentes para el cáncer de mama, el laboratorio se centrará en emparejar un antitumoral y fármacos prescritos para otras alteraciones, como antidiabéticos o antihipertensivos. En último lugar, el laboratorio de Aloy está poniendo a punto la metodología experimental que ha de permitirles comprobar que las terapias combinatorias son eficientes para combatir la resistencia a largo plazo.

    Publicado en Cancer Research.

    Más noticias de General