La herramienta será útil para la búsqueda de medicamentos huérfanos, de nuevas dianas terapéuticas y para la selección de fármacos personalizados en función de las necesidades de cada paciente. La investigación, que acaba de ser publicada por la revista Journal of Comutational Biology, recoge las principales conclusiones de la tesis doctoral de Enrique J. Andrés Galiana, presentada el pasado 22 de julio, informa la Universidad en nota de prensa.

El estudio es además fruto del trabajo conjunto de investigadores del grupo de Problemas Inversos del Departamento de Matemáticas de la Universidad de Oviedo y de la empresa Biomodels, dirigida por el doctor Steve Sonis de la Universidad de Harvard y del Brigham and Women Hospital de Boston.

Juan Luis Fernández Martínez, profesor del grupo de Problemas Inversos de la institución académica asturiana, ha explicado que estos robots permiten predecir fenotipos -la expresión de la información contenida en los genes en función de un ambiente determinado- tanto en investigación clínica como traslacional.

Un robot biomédico es el conjunto de herramientas de matemática aplicada, estadística y ciencias de la computación capaz de aprender dinámicamente de datos complejos, conocidos con el término de big-data, y de ayudar a los médicos a tomar decisiones y a plantear tratamientos personalizados en función de las necesidades de cada paciente, la denominada medicina de precisión.

"Se trata de simplificar la complejidad y de hacer el big-data pequeño. Cuando uno comprende el problema hallando las variables que lo describen, todo se hace más sencillo. Parece Magia Borrás, pero no lo es, es parsimonia", ha abundado Fernández.

El grupo de investigación ha aplicado estos robots a tres enfermedades concretas: la leucemia linfocítica crónica, la miositis por cuerpos de inclusión, y la esclerosis lateral amiotrófica.

En el caso de la leucemia, los resultados han mostrado la importancia de la Lipoproteína lipasa, una enzima que descompone los triglicéridos en ácidos grasos libres y glicerol. Para la miositis, un trastorno degenerativo inflamatorio de los músculos, los investigadores han descubierto la importancia de varios genes y la influencia de diferentes virus y bacterias en la génesis de esta enfermedad autoinmune, de forma que el sistema inmunitario confunde las proteínas propias con las generadas por el invasor.

Finalmente, en el caso de la esclerosis lateral amiotrófica, los robots han sido capaces de determinar la importancia de un grupo de proteínas -las caspasas_ que controlan el mecanismo de muerte celular programada y que en modelos animales transgénicos se han relacionado también con la mutación del gen SOD1. También aparecen vías relacionadas con el virus Epstein-Barr. Todos estos hallazgos, según ha afirmado Juan Luis Fernández Martínez, necesitan confirmación y refrendo clínico.

El profesor de la Universidad de Oviedo destaca que uno de los mayores retos en la predicción de fenotipos y su uso en clínica es el gran carácter indeterminado que poseen estos datos. "Trabajamos con chips o microarrays que miden el nivel de expresión de los genes monitorizados en el ARN en diferentes células del organismo. Utilizamos un número alto de sondas, del orden de 50.000, mientras que el de pacientes no excede de la centena", ha abundado.

El trabajo liderado por la Universidad de Oviedo ha permitido desarrollar herramientas capaces de escrutar el poder discriminatorio de los genes y de buscar las diferentes redes genéticas que están involucradas en su desarrollo.

Esta metodología se puede utilizar con diferentes tipos de datos genéticos. El mismo equipo la ha aplicado recientemente al estudio de toxicidades en fármacos y, en un futuro próximo, se publicarán también los resultados obtenidos con la enfermedad de Parkinson y de Alzheimer.