Suscríbete al boletín semanal

Recibe cada semana los contenidos más relevantes de la actualidad científica.

Agencia Sinc
Si estás registrado

No podrás conectarte si excedes diez intentos fallidos.

Si todavía no estás registrado

La Agencia SINC ofrece servicios diferentes dependiendo de tu perfil.

Selecciona el tuyo:

Periodistas Instituciones

La inestabilidad genómica, clave para luchar contra el cáncer

Un trabajo liderado desde la Universidad Pompeu Fabra de Barcelona propone una nueva estrategia para combatir el cáncer basada en la modelización matemática y en la biología computacional. Los resultados se publican en la revista Computational and Applied Mathematics.

Esquema del modelo utilizado. / UPF

El cáncer es el resultado de una serie de alteraciones genómicas de las células normales que hacen que estas escapen a los controles celulares y que proliferen de forma descontrolada. Entonces, la cooperación que mantiene la integridad de un organismo multicelular se rompe, y la acumulación de más cambios o mutaciones en la población generada por estas células anormales puede dar lugar al crecimiento de tumores malignos, que pueden causar la muerte.

Desde un punto de vista evolutivo, la progresión tumoral es un proceso microevolutivo en que los tumores deben superar barreras selectivas impuestas por el organismo o por las terapias. Actualmente, se ha avanzado mucho en el cuidado de algunos tipos de cáncer, pero la frecuencia de tumores no curados se mantiene en los últimos 50 años.

Mediante argumentos evolutivos, en las últimas décadas, científicos teóricos han estado discutiendo la necesidad de enfocar este problema desde otra perspectiva: una nueva visión integradora que tenga en cuenta la naturaleza darwiniana y ecológica de la enfermedad.

Así, el Laboratorio de Sistemas Complejos que dirige Ricard Solé, investigador ICREA del departamento de Ciencias Experimentales y de la Salud (CEXS) de la Universidad Pompeu Fabra de Barcelona e investigador del Instituto de Biología Evolutiva (UPF-CSIC) y del Santa Fe Institute de EE UU, ha desarrollado una línea de investigación sobre oncología teórica y computacional.

Como comenta José Sardanyés, miembro del Laboratorio de Sistemas Complejos, "estamos interesados ​​en un aspecto importante del cáncer: sus enormes niveles de inestabilidad genómica". En la mayoría de tumores en estado avanzado, se observan altos niveles de inestabilidad genómica a nivel del cariotipo, donde se pueden ver cromosomas duplicados, perdidos o rotos, en patrones aparentemente desordenados.

En la mayoría de tumores en estado avanzado, se observan altos niveles de inestabilidad genómica a nivel del cariotipo

"A pesar de este alto nivel de aneuploidía, las células cancerosas son capaces de adaptarse y esparcirse mediante la metástasis. Nuestro laboratorio se plantea si hay límites en el alto grado de inestabilidad genómica y cómo se puede modelizar este fenómeno", añade Sardanyés.

Modelos de inestabilidad

En los últimos años, miembros del Laboratorio de Sistemas Complejos han publicado varios trabajos sobre los procesos de microevolución tumoral y competencia mediante modelos teóricos. Ricard Solé, junto con Tomas Deisboeck, propusieron un modelo mínimo de inestabilidad genómica.

Ahora, una extensión de este modelo matemático se publica en la revista Computational and Applied Mathematics en un trabajo liderado por Sardanyés, en el que ha caracterizado los efectos de incrementar la inestabilidad genómica en poblaciones de células tumorales, así como también su tiempo de respuesta.

"Hemos visto que se puede forzar la población de células tumorales hacia poblaciones pequeñas y controladas aumentando su tasa de mutación, y que el tiempo necesario para alcanzar este estado es corto. Actualmente se están desarrollando métodos de terapia dirigida por células tumorales ", explica. Así pues, esta estrategia terapéutica permitiría detectar las células cancerosas y liberar fármacos (mutagénicos) dentro de estas células selectivamente.

Estos resultados ponen de manifiesto que la modelización matemática y la biología computacional permiten profundizar en el comportamiento de los sistemas tumorales y hacer predicciones que pueden ser de gran utilidad hacia futuras terapias o estrategias para combatir el cáncer.

Referencia bibliográfica:

Vanessa Castillo, J. Tomás Lázaro and Josep Sardanyés (2015), "Dynamics and bifurcations in a simple quasispecies model of tumorigenesis", Computational and Applied Mathematics, arXiv:1411.6531 [math.DS].

Fuente: UPF
Derechos: Creative Commons
Artículos relacionados