Vicente Yépez, investigador en la Universidad Técnica de Múnich se ha propuesto demostrar la utilidad clínica del análisis de ARN como complemento al diagnóstico basado en ADN.
El Dr. Vicente Yépez es un investigador especializado en el análisis de ARN y su aplicación en el diagnóstico de enfermedades raras. Ingeniero de formación, con un máster en modelos matemáticos y un doctorado en bioinformática, su trayectoria profesional lo ha llevado desde México hasta Europa, donde ha desarrollado su carrera en la Universidad Técnica de Múnich.
Yépez comenzó a trabajar en el análisis de ARN como herramienta diagnóstica durante su doctorado. Desde entonces, ha profundizado en el estudio de la expresión genética y la secuenciación de ARN, aprovechando los avances tecnológicos de los últimos años que han hecho posible estudiar en detalle el ARN. Recientemente, ha cofundado OmicsDiscoveries, una empresa dedicada al desarrollo de herramientas bioinformáticas para la investigación y el diagnóstico genético.
Hablamos con él para conocer mejor el potencial de la secuenciación de ARN y sus aplicaciones diagnósticas en enfermedades raras y otras patologías.
¿Qué aplicaciones ofrece la secuenciación de ARN frente a otras tecnologías de secuenciación genética?
Hoy en día lo que más se utiliza es el ADN, ya sea la secuenciación del exoma o la secuenciación del genoma completo. En estos análisis se pueden detectar muchas variantes. Después se aplican filtros para ver cuáles de ellas son importantes, pero a veces, aunque una variante parece interesante, no estamos seguros. El ARN complementa al ADN y te ayuda a decir “esta variante está cerca de la región donde sucede el splicing y efectivamente provoca que el splicing no suceda correctamente». El ARN ayuda a confirmar. Entonces, el ARN no sustituye al ADN, pero ayuda en muchos casos a complementarlo.
¿Cuáles son las ventajas de la secuenciación de ARN?
Casi siempre en los pacientes que nos llegan, ya había un análisis de ADN y por alguna razón este análisis no fue suficiente. Hay dos ejemplos principales. En el primero, la clínica del paciente sugiere un gen candidato, pero no se ha identificado ninguna variante definitiva, sino una variante de significado incierto. En este caso, el análisis de ARN puede ayudar a validar la variante ya que puede ocurrir que la variante esté dentro de un intrón y cree un nuevo exón en el gen.
En el segundo caso, el análisis de ADN no ha arrojado ningún candidato. No hay ninguna variante. Entonces, hay que ver qué pasa. Lo que hacemos es analizar los genes que se expresan en la sangre o en la piel y buscamos algo que no debería pasar o no es común en el resto de la población. Entonces el genetista revisa de nuevo el ADN y puede que descubra que la variante era intrónica pero no se vio porque solo se secuenció el exoma o era una deleción muy grande que tampoco se detectó originalmente.
El ARN tiene esos dos usos principales: para confirmar una variante y para sugerir nuevos genes que fueron descartados originalmente por el ADN.
¿Y cuáles son los principales retos de la secuenciación de ARN en el ámbito del clínico?
Es una tecnología que se usa mucho en investigación y solo poco a poco se va haciendo en la parte clínica. El primer reto, el más obvio, diría que es el coste. Aunque cada vez es más barato. El experimento en sí es de 200-300 euros. Después, hay que pensar que cada archivo pesa por lo menos 10 gigabytes y hay que almacenar y procesar los datos, lo que supone un coste extra. Además, hace falta personal. La ventaja es que el experimento es muy similar al de ADN y la máquina es la misma, por lo que no hace falta comprar otra.
El siguiente reto es que la expresión genética varía mucho de tejido a tejido. Entonces lo que se ve en la sangre muchas veces no es lo mismo que sucede en el cerebro, en el hígado, en el corazón, en los pulmones, etcétera. El problema es que solemos estar limitados a analizar la sangre o la piel. Una posible solución es tomar células de la piel y reprogramar a otras células como neuronas, pero no es perfecta. Además, supone más coste y tiempo. Es algo que muy pocos laboratorios van a hacer.
Y el tercero obstáculo es que analizar el ARN supone una tarea más. Si tienes cierto número de personas, de recursos, ¿qué haces? ¿Haces más análisis de ADN a más pacientes o haces análisis de ARN? Hay una gran competencia sobre qué se debe hacer, cuál es el segundo paso después de que el ADN fracase. Y estamos intentando que el ARN sea una opción válida,
¿Podrías contarnos algún ejemplo concreto donde el uso de la secuenciación de ARN haya resultado decisivo para el diagnóstico de un paciente?
Tuvimos un paciente en el que estaba claro que tenía una enfermedad muscular genética y había muy pocos genes que podrían causarla. Encontramos una mutación en uno de estos genes, pero se trataba de un gen que debía tener las dos copias alteradas para causar la enfermedad. Y solo tenía una.
Al hacer el estudio de ARN descubrimos que en la otra copia del gen había otra mutación que creaba un nuevo exón, donde además había un codón de parada. El genoma no podía resolver el caso porque hubiéramos visto una variante intrónica que, a menos que hubiera sido reportada, no hubiera sido catalogada como patogénica.
Más allá de las enfermedades raras, ¿en qué medida puede aplicarse la secuenciación de ARN a otras áreas de la medicina de precisión?
En oncología hay un campo importante. Por ejemplo, es posible analizar el ARN del tumor y del tejido cerca del tumor para comparar. Al igual que las células del tumor pueden no tener el mismo ADN, también pueden tener diferente expresión y ARN. Es un desafío muy grande, pero yo creo que poco a poco se va a ir en esa dirección. A nivel de terapia se está utilizando para ver el efecto de ciertos fármacos.
Como bioinformático que eres, ¿cómo estás viviendo los avances de la inteligencia artificial en el campo del diagnóstico de enfermedades?
El concepto de inteligencia artificial es algo que está muy de moda ahora, pero ya existía desde hace años en modelos estadísticos o machine learning. Ahora se habla sobre todo de inteligencia artificial generativa y hay que tener cuidado en cómo se entrenan estos modelos. Hay empresas de análisis de ADN que ya te ofrecen un chat donde tú pones la variante y te indican si la variante ha sido encontrada, en qué gen, y qué hace ese gen y te dicen si es la causa de la enfermedad. Sin embargo, la inteligencia artificial debe ser utilizada como ayuda. No debe diagnosticar. Siempre se le dice al doctor que está revisando que lea, verifique y apruebe.
También existe ese riesgo de que mientras tengamos más de estas herramientas que nos facilitan la vida, se nos olvide a nosotros pensar y razonar. Ocurre también en programación. Si uso una IA para que cree una función en Java o en C, yo ya no sé cómo se hace y si hay algún error ya no sé arreglarlo. Hay que tener mucho cuidado y no dejar de aprender lo básico. Uno debería poder saber cómo hacer lo que le está pidiendo a la inteligencia artificial que haga. Al mismo tiempo es algo que sí facilita la vida, entonces hay que encontrar ese balance.
¿Qué avances técnicos o tecnológicos crees que veremos en los próximos años relacionados con la aplicación del ARN?
Lo que está surgiendo ahora con más fuerza es la secuenciación de fragmentos largos de ARN. Con la secuenciación de fragmentos largos de ADN he trabajado y funciona mejor que las lecturas cortas. Puede que también sea mejor para el ARN porque puedes capturar todo el transcrito. El problema es que actualmente es muy caro. Cuesta unas 4 o 5 veces más. Hay que esperar a que bajen los costos para que crezca.
Recientemente has creado OmicsDiscoveries, una empresa que está enfocada en la secuenciación de ARN. ¿Qué te motivó para dar ese paso hacia el emprendimiento?
Durante nuestro doctorado e investigación nosotros desarrollamos herramientas estadísticas y software para analizar ARN en enfermedades raras, enfocándonos en cambios en expresión y splicing. Al haber sido financiado por becas alemanas y de la Unión Europea, el software se creó de acceso abierto y se ha convertido en el más utilizado a nivel mundial. Se usa en hospitales como Mayo Clinic, Mount Sinai, SickKids en Canadá, Genomics England, y otros centros en Hong Kong y Australia.
Durante nuestra participación en la red europea de enfermedades raras Solve-RD, identificamos que muchos médicos y genetistas quieren los resultados de estos análisis, pero no lo van a hacer ellos mismos. Entonces, como se requiere infraestructura avanzada y conocimientos en bioinformática, vimos la oportunidad de ofrecer este servicio de manera accesible. Junto a mis dos compañeros cofundadores, expertos en IT y modelado de ARN, detectamos esta demanda. Ahora estamos enfocados en validar el interés en la herramienta y sobre todo encontrar instituciones dispuestas a pagar por este servicio.
¿Colaboráis directamente con hospitales o centros de referencia en enfermedades para implementar vuestra tecnología o vuestros servicios?
Hemos desarrollado una estrategia para ofrecer nuestros servicios a través de proyectos financiados. Es decir, cuando un hospital solicita dinero para secuenciar y analizar muestras de pacientes, puede incluir en su presupuesto una partida específica para el análisis bioinformático, designando a Omics Discoveries como la empresa encargada. Esto facilita la adquisición de clientes, ya que el coste se cubre dentro de la convocatoria y no representa un gasto adicional para ellos.
Además, muchos investigadores no consideran inicialmente los costes de cómputo en sus solicitudes, pero es un aspecto clave. El procesamiento de datos genómicos requiere servidores de gran capacidad y alta seguridad, especialmente en Europa, donde la protección de datos bajo la GDPR es fundamental.
Hemos aplicado a varias convocatorias en colaboración con hospitales como el Sant Joan de Déu en Barcelona, con quienes ya comenzaremos a trabajar pronto, y otros en Alemania, incluyendo Múnich. También estamos en negociaciones con laboratorios privados en Alemania para cerrar contratos de servicio directo. Nuestro enfoque actual es vender el producto que ya tenemos.
¿Qué consejos darías a los estudiantes o personas que se quieren especializar en secuenciación de ARN para el diagnóstico de enfermedades raras?
Yo recomendaría aprender bien a diagnosticar con el análisis de ADN y luego hacer igual con el ARN y convertirte en experto en eso, pero no dejar de lado el ADN. Porque el ARN no se interpreta solo, se interpreta en conjunto con el ADN.
