Los investigadores utilizaron datos de secuenciación genómica para crear simulaciones personalizadas de pacientes individuales que pueden cuantificar el impacto de las mutaciones genéticas en el comportamiento de las células cancerosas. Este método innovador promete allanar el camino para la medicina personalizada, que revolucionará la toma de decisiones clínicas y mejorará la atención para los cánceres de sangre heterogéneos.
El equipo de investigación, dirigido por el Dr. Simon Mitchell, lector en Biología de Sistemas del Cáncer en BSMS y financiado por Leukaemia UK y UKRI, se centró en aprovechar los datos genómicos de pacientes con DLBCL para simular cómo las mutaciones específicas afectan las señales antiapoptóticas y proliferativas dentro de las células cancerosas. A diferencia de los enfoques tradicionales que se basan en la agrupación mutacional, las simulaciones proporcionaron una comprensión más completa de la interacción entre múltiples mutaciones. En lugar de agrupar a los pacientes que comparten mutaciones comunes, su enfoque agrupa a los pacientes en función del impacto de las mutaciones dentro de complejas redes de señalización.
El estudio encontró que las simulaciones personalizadas identificaron con éxito a los pacientes con diferentes pronósticos (desalentador, intermedio y bueno) en múltiples conjuntos de datos. Esto se logró utilizando datos de secuenciación de exoma completo (WES) o paneles de secuenciación dirigidos, proporcionando predicciones sólidas a pesar de la heterogeneidad mutacional. A diferencia de muchos enfoques estadísticos, la precisión predictiva de las simulaciones mejoró con conjuntos de datos de validación más grandes, enfatizando la importancia de integrar el conocimiento de la red molecular en el análisis. Los modelos fueron particularmente efectivos para identificar a los pacientes con mutaciones co-ocurridas que promueven tanto la proliferación de células cancerosas como la resistencia a la apoptosis, y encontraron pacientes que se perderían con los métodos de agrupamiento tradicionales.
Al comentar sobre el estudio, el Dr. Mitchell dijo: “Este estudio apoya la integración de la secuenciación genética en la etapa de diagnóstico de DLBCL para determinar mejor el pronóstico del paciente. A medida que los costos de secuenciación disminuyen, esperamos que este enfoque se convierta en una práctica de diagnóstico estándar, permitiendo la identificación precisa de los pacientes que podrían beneficiarse de tratamientos alternativos.
“Este estudio marca un paso significativo en la búsqueda de un tratamiento personalizado del cáncer. Al aprovechar el poder del modelado computacional para colocar los datos genómicos en contexto, esperamos allanar el camino para predicciones pronósticas más precisas y estrategias terapéuticas personalizadas. Creemos que estos enfoques prometen una nueva era de medicina de precisión para pacientes con cáncer de sangre y, potencialmente, para muchos otros”.
El Dr. Simon Ridley, Director de Investigación y Abogacía de Leukaemia UK, agregó:
“Estamos encantados de haber apoyado la nueva obra del Dr. Mitchell y su equipo. Este estudio representa un progreso significativo hacia la medicina estratificada, permitiendo tratamientos más específicos que podrían conducir a mejoras sustanciales en el tratamiento de los pacientes diagnosticados con cáncer de sangre. Al usar herramientas computacionales para modelar diferentes cánceres de sangre de los pacientes, los médicos podrían eventualmente predecir qué pacientes responderán mejor a varios tipos de tratamiento. Este trabajo es un gran ejemplo de lo que se puede lograr a través de las becas John Goldman de Leukaemia UK, donde nos esforzamos por financiar a los investigadores de carrera temprana más innovadores con el potencial de acelerar el progreso en la investigación del cáncer de sangre”.
Más allá del DLBCL, las técnicas de modelado computacional demostradas en este estudio tienen el potencial de aplicarse a otros tipos de cáncer, particularmente aquellos caracterizados por una alta heterogeneidad genética. A medida que la información genómica esté más ampliamente disponible y los métodos computacionales continúen evolucionando, estas simulaciones personalizadas podrían desempeñar un papel fundamental en la era de la medicina de precisión, adaptando los tratamientos a los perfiles genéticos individuales para mejores resultados para los pacientes.
El estudio ha sido publicado en Blood Cancer Journal de Nature.
Revista
Blood Cancer Journal
Título del artículo
Modelos computacionales específicos del paciente predicen el pronóstico en el linfoma de células B cuantificando las firmas pro-proliferativas y antiapoptóticas de los datos de secuenciación genética
Fecha de publicación del artículo
4-Jul-2024
