Según un estudio publicado en la revista Nature, Gregory Poore y Rob Knight, junto un grupo de colaboradores de la Universidad de California-San Diego (EE.UU) han desarrollado un novedoso método para identificar quién tiene cáncer, y a menudo de qué tipo, simplemente analizando los patrones de ADN microbiano (bacteriano y viral) presentes en su sangre.
"Casi todos los esfuerzos previos de investigación del cáncer han asumido que los tumores son ambientes estériles, e ignoraron la compleja interacción que las células cancerosas humanas pueden tener con las bacterias, los virus y otros microbios que viven en nuestros cuerpos", asegura Rob Knight.
"El número de genes microbianos en nuestros cuerpos supera ampliamente el número de genes humanos, por lo que no debería sorprender que nos den importantes pistas para nuestra salud" continúa.
El primer paso que tomaron fue analizar los datos microbianos disponibles en el Atlas del Genoma del Cáncer, una base de datos del Instituto Nacional del Cáncer que contiene información genómica y de otro tipo de miles de tumores de pacientes.
De numerosas muestras de tumores, de más de 10,000 pacientes con tipos de cáncer diferentes, surgieron distintos patrones microbianos asociados con tipos de cáncer específicos. Se esperaban algunos como la asociación del virus del papiloma humano con cánceres de cuello uterino, pero el equipo también identificó firmas microbianas, previamente desconocidas, que discriminaban fuertemente entre los tipos de cáncer. Por ejemplo, la presencia de las especies de Faecalibacterium distinguía el cáncer de colon de otros cánceres.
Tras esta investigación y con los datos obtenidos, los investigadores probaron numerosos modelos de aprendizaje automático para asociar ciertos patrones microbianos con la presencia de cánceres específicos. De esta forma pudieron identificar el tipo de cáncer de un paciente utilizando solo los datos microbianos de su sangre.
Posteriormente, eliminaron los cánceres de alto grado (estadios III y IV) del conjunto de datos y descubrieron que muchos tipos de cáncer aún se distinguían en estadios previos, cuando se basaban únicamente en datos microbianos derivados de la sangre.
Para probar la eficacia de este método con pacientes reales, Knight, Poore y su equipo analizaron muestras de plasma derivadas de la sangre de 59 pacientes con cáncer de próstata, 25 con cáncer de pulmón y 16 con melanoma, proporcionadas por colaboradores del Centro de Cáncer Moores de la UC San Diego Health. Los investigadores elaboraron una lectura de firmas microbianas para cada muestra de paciente con cáncer y las compararon entre sí y con las muestras de plasma de 69 voluntarios sanos.
Los modelos de aprendizaje automático pudieron distinguir a la mayoría de las personas con cáncer de las que no. A menudo podían decir qué participantes tenían cuál de los tres tipos de cáncer.
"La capacidad, en un solo tubo de sangre, de tener un perfil completo del ADN del tumor así como del ADN de la microbiota del paciente, por así decirlo, es un importante paso adelante en la mejor comprensión de las interacciones entre el entorno del huésped y el cáncer", dijo el coautor Sandip Pravin Patel, oncólogo médico y co-líder de la terapéutica experimental en el Centro de Cáncer Moores de la UC San Diego Health.
"Con este enfoque, existe la posibilidad de monitorizar estos cambios a lo largo del tiempo, no solo como diagnóstico, sino también para la monitorización terapéutica a largo plazo. Esto podría tener implicaciones importantes para la atención de pacientes con cáncer y en la detección temprana del cáncer, si estos resultados continúan sosteniéndose en más pruebas" añade.
Si bien los resultados de este estudio abre muchas puertas a la hora de detectar en fase temprana los tumores, aún queda un largo camino por recorrer ya que la posibilidad de tener falsos negativos y falsos positivos todavía es alta. Deben mejorar este sistema para que, en un futuro no muy lejano, se pueda evitar muchas muertes.
Fuentes: ABC, NCYT
"Casi todos los esfuerzos previos de investigación del cáncer han asumido que los tumores son ambientes estériles, e ignoraron la compleja interacción que las células cancerosas humanas pueden tener con las bacterias, los virus y otros microbios que viven en nuestros cuerpos", asegura Rob Knight.
"El número de genes microbianos en nuestros cuerpos supera ampliamente el número de genes humanos, por lo que no debería sorprender que nos den importantes pistas para nuestra salud" continúa.
El primer paso que tomaron fue analizar los datos microbianos disponibles en el Atlas del Genoma del Cáncer, una base de datos del Instituto Nacional del Cáncer que contiene información genómica y de otro tipo de miles de tumores de pacientes.
De numerosas muestras de tumores, de más de 10,000 pacientes con tipos de cáncer diferentes, surgieron distintos patrones microbianos asociados con tipos de cáncer específicos. Se esperaban algunos como la asociación del virus del papiloma humano con cánceres de cuello uterino, pero el equipo también identificó firmas microbianas, previamente desconocidas, que discriminaban fuertemente entre los tipos de cáncer. Por ejemplo, la presencia de las especies de Faecalibacterium distinguía el cáncer de colon de otros cánceres.
Tras esta investigación y con los datos obtenidos, los investigadores probaron numerosos modelos de aprendizaje automático para asociar ciertos patrones microbianos con la presencia de cánceres específicos. De esta forma pudieron identificar el tipo de cáncer de un paciente utilizando solo los datos microbianos de su sangre.Posteriormente, eliminaron los cánceres de alto grado (estadios III y IV) del conjunto de datos y descubrieron que muchos tipos de cáncer aún se distinguían en estadios previos, cuando se basaban únicamente en datos microbianos derivados de la sangre.
Para probar la eficacia de este método con pacientes reales, Knight, Poore y su equipo analizaron muestras de plasma derivadas de la sangre de 59 pacientes con cáncer de próstata, 25 con cáncer de pulmón y 16 con melanoma, proporcionadas por colaboradores del Centro de Cáncer Moores de la UC San Diego Health. Los investigadores elaboraron una lectura de firmas microbianas para cada muestra de paciente con cáncer y las compararon entre sí y con las muestras de plasma de 69 voluntarios sanos.
Los modelos de aprendizaje automático pudieron distinguir a la mayoría de las personas con cáncer de las que no. A menudo podían decir qué participantes tenían cuál de los tres tipos de cáncer.
"La capacidad, en un solo tubo de sangre, de tener un perfil completo del ADN del tumor así como del ADN de la microbiota del paciente, por así decirlo, es un importante paso adelante en la mejor comprensión de las interacciones entre el entorno del huésped y el cáncer", dijo el coautor Sandip Pravin Patel, oncólogo médico y co-líder de la terapéutica experimental en el Centro de Cáncer Moores de la UC San Diego Health.
"Con este enfoque, existe la posibilidad de monitorizar estos cambios a lo largo del tiempo, no solo como diagnóstico, sino también para la monitorización terapéutica a largo plazo. Esto podría tener implicaciones importantes para la atención de pacientes con cáncer y en la detección temprana del cáncer, si estos resultados continúan sosteniéndose en más pruebas" añade.
Si bien los resultados de este estudio abre muchas puertas a la hora de detectar en fase temprana los tumores, aún queda un largo camino por recorrer ya que la posibilidad de tener falsos negativos y falsos positivos todavía es alta. Deben mejorar este sistema para que, en un futuro no muy lejano, se pueda evitar muchas muertes.
Fuentes: ABC, NCYT
Comentarios
Publicar un comentario
Gracias por comentar. Te rogamos que seas preciso y educado en tus comentarios.