Ahora es posible predecir el efecto de los fármacos en células individuales
La comprensión de la variación celular es fundamental para avanzar hacia tratamientos más eficaces
Expertos de la ETH de Zúrich, la Universidad de Zúrich y el Hospital Universitario de Zúrich han utilizado el aprendizaje automático para crear conjuntamente un método innovador. Este nuevo enfoque puede predecir cómo reaccionan las células individuales a tratamientos específicos, lo que permite esperar diagnósticos y terapias más precisos.
El cáncer se desencadena por cambios en las células que conducen a la proliferación de células tumorales patógenas. Para encontrar la combinación y la dosis de fármacos más eficaces, es ventajoso que los médicos puedan ver dentro del cuerpo, por así decirlo, y determinar qué efecto tendrán los medicamentos en las células individuales.
Un equipo interdisciplinario de científicos biomédicos e informáticos de la ETH de Zúrich, la Universidad de Zúrich y el Hospital Universitario de Zúrich ha desarrollado un método de aprendizaje automático que permite modelizar y predecir estos cambios celulares y los efectos de los fármacos con mucha más precisión y matices que antes.
Comprender las respuestas de cada célula
En la lucha contra el cáncer, es fundamental conocer a fondo el comportamiento de cada célula frente a un fármaco. Al fin y al cabo, lo ideal es que un medicamento destruya sólo las células tumorales. Sin embargo, si el efecto de un fármaco sólo se conoce como media estadística de una población celular mayor, un análisis del efecto del medicamento podría no detectar que determinadas células tumorales sobreviven al fármaco debido a su naturaleza o a las resistencias obtenidas, y el cáncer seguiría extendiéndose.
Investigadores de Zúrich han ideado un método pionero que reconoce las distintas reacciones que pueden tener las células individuales a un fármaco dentro de una población mayor. Esta comprensión de la variación celular es fundamental para avanzar en tratamientos más eficaces contra el cáncer.
"La diversidad dentro de un grupo de células influye enormemente en su sensibilidad o resistencia a los cambios. En lugar de basar nuestra comprensión en la respuesta media de un grupo de células, nuestro método puede describir con precisión -e incluso predecir- cómo reacciona cada célula ante alteraciones como las de un fármaco", explica Gunnar Rätsch, catedrático de Informática Biomédica de la ETH de Zúrich y el Hospital Universitario de Zúrich.
El método funciona en muchos tipos de células
Los investigadores denominan perturbaciones a las reacciones moleculares con las que las células responden a influencias químicas, físicas o genéticas. Tales perturbaciones alteran las células afectadas y pueden, por ejemplo, desencadenar su muerte. El efecto que un determinado fármaco tiene sobre una célula cancerosa también puede considerarse una perturbación.
Comprender qué células cancerosas responden a un fármaco e identificar los rasgos de las que forman resistencia a un medicamento es crucial para desarrollar nuevos enfoques y estrategias de tratamiento. Estos nuevos tratamientos podrían ser más eficaces para inhibir el crecimiento celular o incluso provocar la muerte de las células patógenas.
En su estudio, publicado en el número actual de Nature Methods, los investigadores demuestran que su método funciona no sólo en células cancerosas, sino también en otras células patógenas, por ejemplo, en el caso del lupus eritematoso. Esta enfermedad autoinmune suele ir acompañada de una erupción roja y puede provocar inflamación del pecho, el corazón o las costillas.
Predecir las reacciones de cada célula ya es posible
Otra innovación clave que se desprende de este estudio es la capacidad de hacer predicciones: los investigadores de Zúrich llaman CellOT a su nuevo método de aprendizaje automático. Además de evaluar los datos de mediciones celulares existentes y ampliar así el conocimiento de las reacciones de perturbación celular, CellOT también puede predecir cómo responderán las células individuales a una perturbación cuyas reacciones aún no se han medido en el laboratorio.
De este modo, el nuevo método allana el camino hacia tratamientos más selectivos y personalizados: las predicciones permiten prever el efecto de una perturbación en células no observadas e indican así la respuesta de las células de un paciente al fármaco en cuestión. Para que este método pueda aplicarse en el ámbito hospitalario es necesario realizar ensayos clínicos exhaustivos. Por el momento, los investigadores han demostrado la capacidad del método para proporcionar predicciones muy precisas.
El aprendizaje automático es lo que ha hecho posibles tales predicciones. Para CellOT, los investigadores utilizan algoritmos novedosos de aprendizaje automático y los entrenan tanto con datos de células no perturbadas como con datos de células que cambiaron tras una respuesta de perturbación. En el proceso, el algoritmo aprende cómo surgen las reacciones de perturbación celular, cómo progresan y los fenotipos probables de los estados celulares alterados.
El transporte óptimo permite el aprendizaje
Los informáticos de la ETH colaboraron estrechamente con el grupo de investigación dirigido por Lucas Pelkmans, catedrático de Biología de Sistemas Celulares de la Universidad de Zúrich. Gabriele Gut, antigua investigadora postdoctoral en el laboratorio de Pelkmans y ahora científica titular de la Clínica de Oncología Médica y Hematología del Hospital Universitario de Zúrich, midió los cambios celulares específicos mediante una técnica denominada imagen multiplex de proteínas 4i. "CellOT funciona especialmente bien con datos adquiridos con esta técnica", señala Pelkmans. Además, los investigadores obtuvieron datos de ARN unicelular de bases de datos públicas.
"Desde el punto de vista matemático, nuestro modelo de aprendizaje automático se basa en la suposición de que las células cambian gradualmente tras una perturbación", explica Charlotte Bunne, que, junto con Stefan Stark y Gabriele Gut, es la autora principal del estudio y está realizando su doctorado bajo la dirección de Andreas Krause, catedrático de Informática y presidente del Centro de Inteligencia Artificial de la ETH. El área de investigación de Bunne es el aprendizaje automático, y explica que "estos cambios graduales en los estados celulares pueden describirse y predecirse bien utilizando la teoría matemática del transporte óptimo."
El transporte óptimo (OT) es el campo de las matemáticas en el que el profesor de matemáticas de la ETH Alessio Figalli ganó la Medalla Fields 2018 (ver esta página externavideocall_made del 1 de agosto de 2018). En los últimos cuatro años, la teoría del transporte óptimo ha contribuido mucho a explicar las respuestas de perturbación celular.
CellOT es ahora el primer enfoque que utiliza el transporte óptimo y el aprendizaje automático para predecir las respuestas de perturbación de las células a partir de nuevas muestras. "Los métodos OT establecidos no permiten predicciones fuera de muestra o fuera de medida. Pero eso es exactamente lo que CellOT puede hacer", afirma Bunne.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Charlotte Bunne, Stefan G. Stark, Gabriele Gut, Jacobo Sarabia del Castillo, Mitch Levesque, Kjong-Van Lehmann, Lucas Pelkmans, Andreas Krause, Gunnar Rätsch; "Learning single-cell perturbation responses using neural optimal transport"; Nature Methods, 2023-9-28
"Neural optimal transport predicts perturbation responses at the single-cell level"; Nature Methods, 2023-9-28
Más noticias del departamento ciencias
Reciba la industria de las ciencias biológicas en su bandeja de entrada
No se pierda nada a partir de ahora: Nuestro boletín electrónico de biotecnología, productos farmacéuticos y ciencias de la vida le pone al día todos los martes y jueves. Las últimas noticias del sector, los productos más destacados y las innovaciones, de forma compacta y fácil de entender en su bandeja de entrada. Investigado por nosotros para que usted no tenga que hacerlo.
