Los investigadores de Princeton han desarrollado un nuevo método computacional que aumenta la capacidad de rastrear la propagación de las células cancerosas de una parte del cuerpo a otra.
Esta migración de células puede conducir a una enfermedad metastásica, que causa alrededor del 90 por ciento de las muertes por cáncer a causa de tumores sólidos, masas de células que crecen en órganos como el seno, la próstata o el colon. Comprender los factores que provocan metástasis podría conducir a nuevas enfermedades.tratamientos destinados a bloquear el proceso de propagación del cáncer a través del cuerpo.
"¿Hay cambios específicos o mutaciones dentro de estas células que les permitan migrar?", Preguntó Ben Raphael, profesor de ciencias de la computación en Princeton y autor principal de la nueva investigación. "Este ha sido uno de los grandes misterios"
En un estudio publicado en la edición de mayo de Genética de la naturaleza Raphael y sus colegas presentaron un algoritmo que puede rastrear la metástasis del cáncer mediante la integración de los datos de la secuencia de ADN con información sobre la ubicación de las células en el cuerpo. Lo llaman MACHINA, que significa "análisis integrativo de la historia metastásica y clonal".
"Nuestro algoritmo permite a los investigadores inferir el proceso pasado de metástasis a partir de los datos de la secuencia de ADN obtenidos en la actualidad", dijo Raphael.
La técnica proporciona una imagen más clara de las historias de migración del cáncer que los estudios previos que se basaron en métodos basados únicamente en secuencias de ADN. Algunos de estos estudios dedujeron patrones de migración complejos que no reflejaban el conocimiento actual de la biología del cáncer.
"Los conjuntos de datos que obtenemos en estos días son muy complejos, pero los conjuntos de datos complejos no siempre requieren explicaciones complejas", dijo Raphael.
Al rastrear simultáneamente las mutaciones y movimientos de las células, MACHINA descubrió que la enfermedad metastásica en algunos pacientes podría ser el resultado de menos migraciones celulares de lo que se pensaba anteriormente. Por ejemplo, en un paciente con cáncer de mama, un análisis publicado anteriormente propuso que la enfermedad metastásica resultara de 14 enfermedades separadaseventos de migración, mientras que MACHINA sugirió que un solo tumor secundario en el pulmón sembró las metástasis restantes a través de solo cinco migraciones celulares. Además de un conjunto de datos de cáncer de mama, Raphael y su equipo aplicaron su algoritmo para analizar los patrones de metástasis de pacientes con melanoma, ovarioy cánceres de próstata.
Varias características adicionales ayudaron a mejorar la precisión de MACHINA. El algoritmo incluye un modelo para la coordinación de células genéticamente diferentes, basado en evidencia experimental de que las células tumorales pueden viajar en grupos a nuevos sitios en el cuerpo. También explica la incertidumbre en los datos de ADNque proviene de la secuencia de mezclas de células tumorales genéticamente distintas y células sanas.
Este enfoque supera una serie de desafíos para sacar conclusiones significativas de los datos "difíciles de analizar y ruidosos" que resultan de la secuenciación del ADN tumoral, dijo Andrea Sottoriva, Chris Rokos Fellow en Evolución y Cáncer en el Instituto de Investigación del Cáncer, Londres"Predigo que este nuevo método será de uso generalizado para la comunidad genómica y arrojará nueva luz sobre la fase más mortal de la evolución del cáncer", dijo.
El desarrollo de MACHINA allana el camino para un examen más amplio de los patrones de metástasis en grandes cohortes de pacientes con cáncer, lo que podría revelar mutaciones clave que causan la propagación de diferentes tipos de cáncer.
Raphael también planea hacer que el método sea más poderoso mediante la incorporación de datos del ADN tumoral y las células tumorales que circulan en el torrente sanguíneo, así como los cambios epigenéticos, modificaciones químicas reversibles del ADN.
"Un mejor algoritmo es como un microscopio mejor", dijo Raphael. "Cuando miras la naturaleza con una lupa, puedes perder detalles importantes. Si miras con un microscopio puedes ver mucho más".
Fuente de la historia :
Materiales proporcionado por Universidad de Princeton, Escuela de Ingeniería . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :