Científicos del IRB Barcelona han desarrollado una herramienta basada en métodos de aprendizaje automático que evalúa la potencial contribución al desarrollo y la progresión del cáncer de todas las posibles mutaciones en un gen, en un determinado tipo de tumor.

–¿Qué relación existe entre las mutaciones genéticas y el cáncer? ¿Qué se conocía al respecto hasta el momento?

-Es importante puntualizar que hablamos de mutaciones genéticas, pero somáticas. Es decir, la persona en general no nace con esta mutación, sino que lo habitual es que las mutaciones que causan cáncer no esten en el genoma que hereda la persona, sino que son mutaciones que se adquieren durante la vida de esa persona en alguna célula concreta, en un tejido. En este contexto, antes de que nosotros hiciéramos el trabajo, ya se sabía que hay mutaciones que causan cáncer y y éstas son en algunos genes concretos, que lo que hacen es alterar la funcionalidad de la célula.

–Entonces, antes de empezar ustedes su trabajo, ¿ya se conocía qué tipo de cáncer concreto podía provocar cada una de las mutaciones?

–Se conocían algunas. Hace unos años, se empezaron a hacer proyectos de secuenciación de genomas de tumores con el objetivo de tener una visión cada vez más completa de qué mutaciones causan distintos tipos de cáncer y en distintas personas. Así, se empezaron a secuenciar genomas o exomas de muchos tumores en muchos sitios del mundo. Con esta información se empieza a tener un visión un poco más completa de qué genes y qué mutaciones causan cáncer, pero es un tema complicado porque cada tumor tiene miles de mutaciones y solo entre dos y seis son las que causan el cáncer, entonces, aunque secuenciemos el tumor, no ha sido fácil saber qué mutaciones son las que causan cáncer. Aún hay que hacer mucho trabajo para saber cuáles de estas mutaciones observadas son las causantes del tumor y esto es precisamente a lo que nos dedicamos y lo que hemos hecho.

–¿En qué consiste el método computacional que han desarrollado? ¿Qué permite hacer?

–Lo que hemos hecho ha sido utilizar datos de miles de tumores secuenciados, en torno a 28 mil, que provienen de otros proyectos de investigación que se han realizado en los últimos años en muchos países del mundo. Estos datos, que se hacen públicos para investigación, los hemos colectado y para resolver esta pregunta de qué mutaciones causan el cáncer en cada uno de los pacientes nos hemos ido a usar estos Machine Learning Algorithms, que son de aprendizaje automático, y usando estos algoritmos y basándonos en la idea de que al final se trata de una evolución darwiniana dentro de nuestros tejidos, es decir que hay mutaciones que ocurren al azar cada día en el genoma de nuestras células y en algún momento puede ocurrir que una mutación le de una ventaja selectiva a una célula para que empiece a dividirse más que otras, tratamos de revelar cuáles de todas las mutaciones que observamo en un gen son mutaciones tumorales.

–Así pues, a nivel clínico, ¿qué permite esta herramienta?

–Es importante para lo que llamamos medicina de precisión o medicina personalizada. Cada vez más, cuando hay un paciente con un tumor, se coge una muestra, un biopsia de ese tumor, y se secuencia una parte del genoma para ver qué mutaciones tiene. Y esto se hace porque tiene una relevancia clínica, ya que dependiendo de las mutaciones, se toman las decisiones acerca de cuál es el tratamiento más adecuado, porque hay algunas mutaciones que son biomarcadores para unos tratamientos, que solo van a funcionar si el paciente tiene esa mutación. En este contexto, nos encontramos con un problema muy importante: podemos coger una biopsia, podemos secuenciar y obtenemos una serie de mutaciones que hemos observado en ese tumor, pero muchas veces no sabemos si es una mutación causante o no, es decir que tenemos un problema de interpretación. Lo que pretende solucionar este algoritmo que hemos desarrollado es que para una serie de genes podemos saber para todas las mutaciones posibles en ese gen si son causantes o no.

-¿Esta herramienta sería útil para cualquier tumor?

–Hemos usado datos de 66 tipos de tumores y no podemos decir nada para aquellos tumores sobre los que no tenemos datos, Para hacer el algoritmo necesitamos bastantes datos y estamos un poco limitados por la cantidad de datos, de manera que no lo podemos hacer ni para todos los genes ni para todos los tipos de cáncer. Pero como potencial, tiene muchísimo, porque cada vez tenemos más datos y ello nos va a permitir cubrir cada vez más genes y más tipos de cáncer. Pero por ahora solo hemos usado datos de 66 tipos de cáncer y solo para algunos de ellos tenemos suficientes datos como para hacer un modelo de predicción.En este contexto es importante destacar que éstos son datos de pacientes, que tanto ellos como sus familiares han decidido compartir para investigación,

–¿De qué manera podría influir en la supervivencia de los pacientes oncológicos?

–Si no sabes qué implican las mutaciones ni qué hacen para el desarrollo del cáncer no es fácil decidir qué tratamiento concreto va a beneficiar al un paciente. El concepto es que cómo mejor entendamos el tumor particular de una persona, estamos en mejor posición para tomar una decisión sobre cuál es el mejor tratamiento.