- La investigación, publicada en la prestigiosa revista Briefings in Bioinformatics, ha estado dirigida por el Dr. Ángel Ayuso, director científico de Vithas y director gerente de la Fundación Vithas y desarrollada por el Dr. Rodrigo Madurga, investigador del laboratorio de tumores cerebrales de la Universidad Francisco de Vitoria de Madrid
- Este nuevo método permite identificar el tipo de tumor cerebral de una forma más precisa y a un coste menor, favoreciendo el diseño de terapias dirigidas y personalizadas
[1]El glioblastoma es el tumor cerebral más letal, con una media de supervivencia global de 15 meses y una tasa de incidencia de 3-4 casos diagnosticados por 100.000 habitantes. En la última década, dentro de la comunidad científica se ha detectado un interés creciente en la clasificación molecular del glioblastoma, como herramienta para lograr una comprensión más profunda de la enfermedad y, en consecuencia, un diseño más especifico y personalizado de las estrategias terapéuticas.
La prestigiosa revista [2]Briefings in Bioinformatics publica un estudio dirigido por el Dr. Ángel Ayuso, director científico corporativo de Vithas y director gerente de la Fundación Vithas; y desarrollado por el Dr. Rodrigo Madurga, investigador del laboratorio de tumores cerebrales de la Universidad Francisco de Vitoria de Madrid; titulado [3]Normal tissue content impact on the GBM molecular classification. La investigación ha obtenido como resultado la creación de un nuevo modelo de clasificación molecular de glioblastoma, mucho más preciso, que permite reducir el número de genes necesarios para llevar a cabo dicha clasificación a una décima parte, manteniendo una coincidencia en los resultados del 90%. “La clasificación molecular permite separar la enfermedad en diferentes tipos y el desarrollo de este método, mucho más refinado, supone un importante paso hacia adelante en el abordaje y tratamiento de este tipo de tumor, uno de los más complejos y mortales”, afirma el Dr. Ángel Ayuso.
El trabajo realizado por los doctores Ayuso y Madurga parte de un método de clasificación publicado por [4]Wang y col en 2017, basado en un sistema de clasificación molecular de glioblastoma en tres subtipos: proneural, clásico y mesenquimal. Estos subtipos son de gran importancia ya que permiten diseñar estrategias terapéuticas para cada uno de ellos, sin embargo requiere medir la expresión de una gran cantidad de genes; un total de 150. “Lo que hemos hecho es optimizar este método para hacerlo más accesible, de forma que con tan solo 20 genes podríamos clasificar la muestra en el subtipo correspondiente. Además, hemos incorporado un parámetro que controla la calidad de las muestras, permitiendo obtener información muy valiosa a nivel clínico y biológico”, asegura el Dr. Rodrigo Madurga.
La clasificación molecular del glioblastoma despierta gran interés en el campo de la investigación, y el desarrollo de este nuevo modelo podría tener importantes aplicaciones clínicas en el futuro; influyendo de manera directa en el diseño de terapias más específicas y dirigidas en función del subtipo de glioblastoma que presente el paciente. Así mismo, al reducir el número de genes requeridos para la clasificación, también disminuye el coste necesario para llevarla a cabo; haciéndola más eficiente y poniéndola a disposición de una cantidad mayor de grupos de investigación. “Este nuevo modelo nos permite conocer mejor la enfermedad y a un menor coste. Cuanta más información tengamos sobre ella, más posibilidades tendremos de desarrollar tratamientos más efectivos”, indica el Dr. Madurga.
“Este estudio permite avanzar de forma significativa en el conocimiento que hasta ahora existía en relación al abordaje y tratamiento de uno de los tumores de mayor complejidad. Proyectos como este nos permiten reforzar el compromiso de Vithas con la investigación e innovación, en aras de contribuir al avance de la medicina. Por ello, desde la Fundación Vithas promovemos y damos soporte a una investigación traslacional de excelencia centrada siempre en el paciente”, añade el Dr. Ayuso.
Tratamiento de datos de gran complejidad
La parte más importante de la investigación se ha realizado in silico, empleando tecnologías informáticas para el análisis y sistematización de los datos. Para ello se han utilizado tilizando las referencias de más de 800 pacientes, publicadas por The Cancer Genoma Atlas y por otros estudios similares, identificando los genes más importantes para la clasificación y descartando el resto. Posteriormente los resultados fueron validados a nivel experimental en una cohorte independiente de 122 muestras de biopsias de pacientes proporcionadas por diferentes centros entre los que se encuentran el Hospital Universitario La Fe de Valencia, HM Hospitales y el Hospital General Universitario Gregorio Marañón.
[1] https://doi.org/10.1093/bib/bbaa129
[2] https://academic.oup.com/bib
[3] https://doi.org/10.1093/bib/bbaa129
[4] https://pubmed.ncbi.nlm.nih.gov/28031383/#affiliation-1
