Amparo Tolosa, Genotipia

Investigadores de la Universidad Johns Hopkins han desarrollado una herramienta bioinformática que evalúa cuánto se parecen cultivos celulares y otros modelos de investigación del cáncer a los tumores reales.

En los últimos años las herramientas moleculares para identificar los mecanismos moleculares que intervienen en el desarrollo, progresión o respuesta al tratamiento de un cáncer han avanzado notablemente. Sin embargo, todavía no es posible estudiar en detalle qué ocurre en el interior de cada célula tumoral de un paciente.

Como aproximación a las células tumorales reales se utilizan cultivos de líneas celulares derivadas de tumores, injertos o fragmentos de tejido tumoral de pacientes, organoides o ratones modelo modificados genéticamente. Cada uno de estos modelos ofrece unas ventajas o limitaciones y su utilización depende en gran medida de la cuestión biológica que se busca responder.

Además de considerar su utilidad a nivel práctico para resolver una cuestión científica, la selección de modelo debería basarse también en su similitud al tipo de cáncer que se está estudiando. El equipo de investigadores de la Universidad Johns Hopkins dirigido por Patrick Cahan ha desarrollado una herramienta que evalúa cuánto se parece a nivel biológico una línea celular o modelo de cáncer a un tumor real.

La identidad o parecido biológico se evalúa a partir de la actividad de los genes en las células, es decir, a través de los perfiles de ARN presentes.  En un primer paso, los investigadores entrenaron a una inteligencia artificial con información de expresión génica de cientos de muestras de tumores disponible en bases de datos. A continuación, el equipo evaluó la fidelidad de diferentes modelos de cáncer respecto a los tumores naturales: 657 líneas celulares, 415 injertos derivados de pacientes, 26 modelos en ratón y 131 organoides de tumores.

Los resultados indican que en general, los ratones modificados genéticamente y los organoides de tumores son más parecidos a nivel de actividad génica a los tumores naturales que las células y los injertos. Los investigadores destacan que la fidelidad biológica de algunos modelos es elevada. Sin embargo, en otros casos, el equipo ha detectado que el modelo no se corresponde con la anotación indicada. “Puede que no sea una sorpresa para los científicos que las líneas celulares del cáncer son genéticamente inferiores a otros modelos, pero nos sorprendió que los ratones modelo genéticamente modificados y los organoides de tumores funcionaran tan bien en comparación”, ha resaltado Patrick Cahan, profesor de ingeniería biomédica en la Universidad Johns Hopkins y director del estudio.

Por ejemplo, los investigadores indican que la mayor parte de las líneas celulares anotadas como carcinoma de mama invasivo, carcinoma cervical de células escamosas, cáncer colorrectal, sarcoma o melanoma, muestran un patrón de expresión acorde a su “etiqueta”. Sin embargo, en otros tipos celulares como adenocarcinoma pancreático o carcinoma esofágico la expresión no se correspondía con lo esperado para estos tipos celulares.

Los investigadores plantean la posibilidad de errores en el etiquetado de las muestras, algunos de los cuales han podido confirmar, o impurezas celulares a la hora de establecer los cultivos de las líneas celulares como posible causa para la baja similitud de algunas líneas celulares con los tumores naturales. También apuntan a las diferencias de complejidad que existen entre una línea celular y un tumor, así como a las diferencias entre las condiciones de cultivo y el microambiente en el que se encuentran los tumores naturales.

El equipo también ha evaluado si las líneas celulares de cáncer más utilizadas son las que muestran una mayor similitud con los cánceres de interés. De esta forma han encontrado que para la mayoría de los tipos de tumores, las líneas celulares más citadas no son las que más se parecen a nivel transcripcional al tumor natural.

Los resultados del trabajo están disponibles online, de forma que cualquier investigador pueda obtener información sobre la similitud de los modelos analizados respecto a los tumores naturales correspondientes. Además, el código correspondiente a la herramienta computacional, denominada CancerCellNet está disponible bajo una licencia abierta que puede ser adquirida de forma gratuita.

Referencia: Peng D, et al. Evaluating the transcriptional fidelity of cancer models. Genome Med. 2021 Apr 29;13(1):73. doi: http://dx.doi.org/10.1186/s13073-021-00888-w

Fuente: Study Adds to Evidence That Most Cancer Cells Grown in a Dish Have Little in Common Genetically with Cancer Cells in People. https://www.hopkinsmedicine.org/news/newsroom/news-releases/study-adds-to-evidence-that-most-cancer-cells-grown-in-a-dish-have-little-in-common-genetically-with-cancer-cells-in-people

Si te ha gustado esta noticia y quieres aprender más sobre Genética en Medicina, te interesan nuestros cursos y formación universitaria, así como nuestro canal audiovisual, Genotipia TV.