Un nuevo método basado en análisis de datos para personalizar el tratamiento del cáncer

PanDrugs es una nueva metodología computacional que prioriza los tratamientos farmacológicos basándose en los datos genómicos del paciente

Es la primera herramienta de prescripción de medicamentos que tiene en cuenta las vías de señalización, el impacto genético colectivo e información sobre ensayos clínicos funcionales

Identificar y priorizar las opciones terapéuticas teniendo en cuenta las alteraciones genéticas de un paciente es un desafío importante en la medicina personalizada del cáncer. Las estrategias basadas en el análisis de datos como PanDrugs pueden ayudar a este fin. Esta nueva herramienta computacional ha sido desarrollada por investigadores de la Unidad de Bioinformática del Centro Nacional de Investigaciones Oncológicas (CNIO) y se describe en un artículo publicado en Genome Medicine. La mayor parte de los tumores tiene una larga lista de alteraciones genéticas cuya relevancia biológica y clínica, y su susceptibilidad para ser dianas farmacológicas no siempre están claras. Se han desarrollado varias herramientas para identificar alteraciones genómicas clínicamente útiles y para sugerir terapias dirigidas contra ellas, pero tienen algunas limitaciones y todavía existe una brecha entre los datos genómicos en bruto y su utilidad clínica. Para superar estas barreras, un equipo de investigadores dirigido por Fátima Al-Shahrour, jefa de la Unidad de Bioinformática en el CNIO, ha desarrollado un nuevo método llamado PanDrugs. «La principal novedad introducida en esta metodología en comparación con las herramientas que ya existen es la ampliación del espacio de búsqueda para proporcionar opciones terapéuticas», explica Al-Shahrour. Es decir, PanDrugs sugiere compuestos para dianas directas (genes que contribuyen al fenotipo de la enfermedad y sobre los que actúa el fármaco directamente) y biomarcadores (genes que están indirectamente asociados a la respuesta a un fármaco). Pero, además, PanDrugs integra otra fuente de información basada en la biología de sistemas que analiza automáticamente los circuitos biológicos y amplía la búsqueda de dianas terapéuticas a toda la vía de señalización. «Esta nueva estrategia (llamada pathway member) amplía las oportunidades de tratamiento de los pacientes con cáncer al enriquecer el arsenal terapéutico y abre nuevas vías para la medicina personalizada«, afirma Al-Shahrour. Gracias a esto, PanDrugs es capaz de identificar compuestos empleados en la práctica clínica habitual. En el artículo se muestran tres ejemplos que podrían ser beneficiosos para pacientes con cáncer de próstata, mama y colorrectal que no presentan las alteraciones génicas más comunes (genes “driver”) para las que, sólo en algunos casos, sí existen protocolos terapéuticos. La potencia de esta herramienta reside también en su base de datos, que “es el repositorio público más grande de relaciones fármaco-diana, que van desde las terapias dirigidas empleadas hoy en día en la clínica hasta compuestos en fase preclínica. La versión actual de PanDrugsdb integra datos procedentes de 24 fuentes primarias y es capaz de generar más de 56000 asociaciones fármaco-diana», subrayan los autores. PanDrugs puede integrarse totalmente en protocolos de análisis bioinformáticos a través de su API. La imagen de docker de PanDrugs facilita su rápida instalación en infraestructuras computacionales de alto rendimiento, mejorando su reproducibilidad y eficiencia. PanDrugs y PanDrugsdb son herramientas de código abierto y están disponibles en http://www.pandrugs.org. Este trabajo ha sido financiado por el Ministerio de Economía, Industria y Competitividad, la Xunta de Galicia, el Fondo Europeo de Desarrollo Regional (FEDER), el CITI (Centro de Investigación Transferencia e Innovación) de la Universidad de Vigo y el Instituto de Salud Carlos III.

Artículo de referencia

PanDrugs: a novel method to prioritize anticancer drug treatments according to individual genomic data. Elena Piñeiro-Yáñez, Miguel Reboiro-Jato, Gonzalo Gómez-López, Javier Perales-Patón, Kevin Troulé, José Manuel Rodríguez, Héctor Tejero, Takeshi Shimamura, Pedro Pablo López-Casas, Julián Carretero, Alfonso Valencia, Manuel Hidalgo, Daniel Glez-Peña, and Fátima Al-Shahrour (Genome Medicine 2018). DOI: 10.1186/s13073-018-0546-1

Volver a las noticias

Genome Medicine. Un nuevo método basado en análisis de datos para personalizar el tratamiento del cáncer