Un algoritmo desarrollado por expertos del Instituto de Investigación en Biomedicina (IRB Barcelona) y del Centro de Regulación Genómica (CRG) puede predecir qué fármacos serán más efectivos para el tratamiento de enfermedades genéticas y del cáncer. Este modelo computacional predictivo, llamado RTDetective, permite acelerar el diseño, desarrollo y eficacia de ensayos clínicos para una amplia variedad de trastornos causados por mutaciones en el ADN que provocan la síntesis de proteínas truncadas o incompletas. Los hallazgos, publicados en Nature Genetics, marcan un avance importante en la personalización del tratamiento al emparejar a los pacientes con el fármaco más prometedor.
Las proteínas incompletas se producen cuando su síntesis se detiene repentinamente debido a "mutaciones sin sentido" que actúan como una señal de stop. Estas proteínas incompletas no pueden cumplir su función, lo que da lugar a diferentes trastornos. De hecho, una de cada cinco enfermedades causadas por mutaciones en un único gen se relaciona con estas proteínas incompletas o inacabadas, incluyendo algunos tipos de fibrosis quística y la distrofia muscular de Duchenne. Estas señales prematuras de stop también se encuentran en genes supresores de tumores, lo que contribuye al desarrollo del cáncer.
Los investigadores desarrollaron un sistema experimental basado en líneas celulares humanas para medir la eficacia de ocho fármacos en 5.800 señales de stop prematuras causantes de enfermedades. Descubrieron que un fármaco que funciona bien para superar una señal de stop prematura puede no ser efectivo para otra, incluso dentro del mismo gen, debido a la secuencia de ADN alrededor de la señal de stop. Utilizando el algoritmo, los investigadores pudieron predecir la efectividad de diferentes fármacos para las millones de posibles señales de stop que pueden generarse en el genoma humano.
Se predijo que al menos uno de los seis fármacos probados lograría un incremento del 1% en la lectura en el 87,3% de todas las posibles señales de stop, y un incremento del 2% en casi el 40% de los casos. Estos resultados son prometedores ya que lecturas más altas suelen correlacionarse con mejores resultados terapéuticos. Este desarrollo permite una mayor personalización en el tratamiento de enfermedades genéticas y del cáncer al identificar qué fármacos son más efectivos para cada paciente en función de las características de sus mutaciones genéticas.
En resumen, el algoritmo RTDetective desarrollado por expertos del IRB Barcelona y del CRG es una herramienta valiosa para predecir la efectividad de fármacos en el tratamiento de enfermedades genéticas y del cáncer causadas por mutaciones en el ADN. Este modelo computacional predictivo acelera el diseño y desarrollo de ensayos clínicos al emparejar a los pacientes con el fármaco más prometedor. El estudio publicado en Nature Genetics destaca la importancia de las proteínas incompletas en la aparición de trastornos y la relación con la inactivación de genes supresores de tumores que favorece el desarrollo del cáncer. El uso del algoritmo permitió predecir la efectividad de diferentes fármacos en millones de posibles señales de stop, proporcionando resultados prometedores para una terapia más personalizada y eficaz.
En conclusión, el uso de este algoritmo representa un avance significativo en la personalización del tratamiento de enfermedades genéticas y del cáncer, al identificar qué fármacos son más efectivos para cada paciente en función de sus mutaciones genéticas. Con este enfoque, se espera acelerar el desarrollo de tratamientos más eficaces y mejorar los resultados terapéuticos para los pacientes afectados por trastornos genéticos y cáncer.
