'Big data' para enfermedades raras y neurodegenerativas

Investigadores de la Universidad de Oviedo han diseñado una serie de robots biomédicos para facilitar el diagnóstico de distintas dolencias.

Covadonga Díaz. Oviedo | dmredaccion@diariomedico.com | 26/09/2016 00:00

Enrique J. Andrés y Juan Luis Fernández, del grupo de Problemas Inversos de la Universidad de Oviedo. (Covadonga Díaz)

Un equipo multidisciplinar de científicos liderado por investigadores de la Universidad de Oviedo ha diseñado unos robots biomédicos basados en el uso de tecnología big data para facilitar el diagnóstico de enfermedades raras, neurodegenerativas e incluso oncológicas. Así han podido determinar, por ejemplo, los genes que mejor predicen el estatus mutacional del gen IgVH de la cadena pesada de las inmunoglobulinas, y que son señal de mejor pronóstico en esta enfermedad.

La utilización de estos robots puede contribuir a entender mejor las enfermedades, definir el pronóstico e incluso para la búsqueda de medicamentos huérfanos y nuevas dianas terapéuticas, así como para la selección de fármacos personalizados en función de las características de cada paciente, según ha explicado a Diario Médico Juan Luis Fernández, profesor del grupo de Problemas Inversos de la Universidad de Oviedo y uno de los autores del trabajo.

La investigación ha sido publicada en la revista Journal of Comutational Biology, y recoge las principales conclusiones de la tesis doctoral de Enrique J. Andrés Galiana. La base de esta metodología radica en la predicción de fenotipos a través de firmas genéticas a pequeña escala. "Trabajamos con problemas altamente indeterminados porque el número de datos genéticos es muy elevado y lo que queremos es disponer de combinaciones de genes que ayuden a los clínicos a decidir", ha señalado Fernández.

Abrir una caja fuerte
Para ello, trabajan con entre 50.000 y 60.000 sondas genéticas, dependiendo del caso, es decir, partes del gen donde se mide su expresión a través de arrrays de expresión, "para estudiar así las vías genéticas que caracterizan el fenotipo y poder hacer predicciones por consenso más exactas. También trabajamos con otros tipos de datos genéticos, SNPs, mRNA, etc.".

Los chips o microarrays sirven para estimar el nivel de expresión de cada uno de los genes monitorizados en el ARN mensajero en diferentes células del organismo. "Encontrar el conjunto de genes responsables del desarrollo de un determinado fenotipo es como buscar una aguja en un pajar o abrir una caja fuerte con múltiples combinaciones de apertura".

Fernández explica que un robot biomédico es un conjunto de herramientas de matemática aplicada, estadística y ciencias de la computación capaz de aprender dinámicamente datos complejos, conocidos como big data, y ayudar así a los médicos a tomar decisiones y a plantear tratamientos personalizados, que es lo que se conoce como medicina de precisión. Para ello buscamos simplificar la complejidad y hacer el big data pequeño".

Con esta metodología han podido estudiar los genes implicados en la mutación de la cadena pesada de las inmunoglobulinas en leucemia linfocítica crónica. "Hemos visto una combinación de 13 genes, con un poder de predicción del 94 por ciento, de los cuales el más importante se ha visto que es el de la lipoproteína lipasa. Así, la mayor parte de los genes de esta firma genética aparecen sobreexpresados en el grupo de pacientes que tienen las inmunoglobulinas no mutadas, siendo señal de peor pronóstico".

Resultados
Estos investigadores han visto que un paciente con mejor pronóstico presenta un nivel de expresión en el gen de la lipoproteína lipasa entre cinco y diez veces inferior. La lipoproteína lipasa es una enzima que produce la descomposición de los triglicéridos en ácidos grasos libres y glicerol. "El conocimiento sobre la acción de esta enzima y otras vías asociadas a ella puede dar lugar al estudio de nuevas dianas terapéuticas", afirma Fernández.

Además de la leucemia linfocítica crónica, este grupo de investigación ha trabajado con miositis por cuerpos de inclusión y polimiositis, un trastorno degenerativo inflamatorio de los músculos, yhan descubierto la importancia de varios genes y la influencia de diferentes virus y bacterias en la génesis de esta enfermedad autoinmune.

Para ello han utilizado datos provenientes de Boston, y han visto la importancia de "muchos genes relacionados con el complejo mayor de histocompatibilidad, y que nos ayudan a entender por qué el sistema inmunitario confunde las proteínas generadas por el propio cuerpo con las producidas por virus y bacterias".

La metodología se basa en la predicción de fenotipos mediante firmas genéticas

Colaboración
El estudio es fruto de la colaboración entre la Universidad de Oviedo y el profesor Stephen T. Sonis, de la Universidad de Harvard.

Futuro
El grupo de investigación pretende seguir estudiando otras patologías similares en lo que han llamado 'Proyecto Finisterrae'.

Fuentes de datos
Los datos empleados son anónimos y provienen de bases de datos genómicas a las que han accedido en las investigaciones, como el Consorcio Europeo de la Leucemia y la Asociación Americana de ELA.