El cáncer rara vez es el resultado de una única mutación en un solo gen. Más bien, los tumores surgen de la compleja interacción entre cualquier número de cambios anormales mutuamente excluyentes en el genoma, cuyas combinaciones pueden ser únicas para cada paciente individual. Para caracterizar mejor el contexto funcional de las variaciones genómicas en el cáncer, los investigadores de la Facultad de Medicina de la Universidad de California en San Diego y del Instituto Broad han desarrollado un nuevo algoritmo informático que denominan REVEALER.
Biotecnología
Esta herramienta, descrita en un artículo publicado el 18 de abril en Nature Biotechnology, está diseñada para ayudar a los investigadores a identificar grupos de variaciones genéticas que, en conjunto, se asocian a una determinada forma de activación de las células cancerosas o a la forma en que éstas responden a determinados tratamientos. REVEALER está disponible gratuitamente para la comunidad científica mundial a través del portal de software bioinformático GenePattern.org .
«Este método de análisis computacional descubre eficazmente el contexto funcional de las alteraciones genómicas, como las mutaciones, amplificaciones o deleciones de genes, que impulsan la formación de tumores», afirma el autor principal, Pablo Tamayo, PhD, profesor y codirector del Recurso Compartido de Genómica y Biología Computacional del Centro Oncológico Moores de la UC San Diego.
Tamayo y su equipo probaron REVEALER utilizando el Atlas del Genoma del Cáncer (TCGA), la base de datos de los Institutos Nacionales de la Salud con información genómica de más de 500 tumores humanos que representan muchos tipos de cáncer. REVEALER reveló alteraciones genéticas asociadas a la activación de varios procesos celulares que se sabe que desempeñan un papel en el desarrollo de los tumores y en la respuesta a determinados fármacos. Algunas de estas mutaciones genéticas ya eran conocidas, pero otras eran nuevas. Por ejemplo, los investigadores descubrieron nuevas anomalías genómicas activadoras de la beta-catenina, una proteína promotora del cáncer, y de la respuesta al estrés oxidativo que algunos cánceres secuestran para aumentar su viabilidad.
Revealer
REVEALER es un método potente, pero requiere datos genómicos de alta calidad y un número significativo de muestras de cáncer, lo que puede ser un reto, dice Tamayo. Sin embargo, REVEALER es más sensible a la hora de detectar similitudes entre distintos tipos de características genómicas y depende menos de suposiciones estadísticas simplificadoras, en comparación con otros métodos, afirma.
«Este estudio demuestra el potencial de la combinación de los perfiles funcionales de las células con la caracterización de los genomas del cáncer mediante la secuenciación de nueva generación», afirma la coautora del estudio, la doctora Jill P. Mesirov, profesora y vicerrectora asociada de ciencias de la salud computacionales de la Facultad de Medicina de la UC San Diego.