Investigadors de la UPC i de Sant Joan de Déu creen un algoritme que facilita el diagnòstic del medul·loblastoma
Un equip del Centre de Recerca en Enginyeria Biomèdica (CREB) de la UPC i de Sant Joan de Déu ha creat una nova aplicació web que permet fer més ràpida i precisa, i menys costosa, l'anàlisi i la interpretació automatitzada del tipus de medul·loblastoma. L'eina és clau per al tractament individualitzat d'aquest tipus de tumor cerebral maligne que afecta principalment infants i joves.
07/06/2024
El medul·loblastoma és un tumor cerebral maligne que afecta principalment infants i joves, i representa aproximadament el 20% de tots els tumors cerebrals en aquesta població. La classificació precisa dels grups moleculars de medul·loblastoma és crucial per a què els i les oncòlegs puguin definir el pla de tractament més adient per a cada pacient.
L'equip científic, format per investigadors del Centre de Recerca en Enginyeria Biomèdica (CREB) de la Universitat Politècnica de Catalunya - BarcelonaTech (UPC), l'Institut de Recerca Sant Joan de Déu (IRSJD) i l'Hospital Sant Joan de Déu, ha desenvolupat una eina de suport a la presa de decisions clíniques en el context del medul·loblastoma. Es tracta d’una nova metodologia per classificar els grups moleculars principals de medul·loblastomes de forma ràpida, precisa i senzilla, mitjançant tecnologia a l’abast de la majoria de centres que tracten infants amb tumors cerebrals.
Per facilitar-ne l'aplicació el grup de recerca ha creat una web interactiva que permet l'anàlisi i la interpretació automatitzada del tipus de medul·loblastoma. Els avenços aconseguits en aquest projecte han estat traslladats ràpidament a l’assistència per donar suport a les decisions clíniques, per tal d'individualitzar la teràpia dels pacients segons les característiques genètiques del tumor i oferir teràpies dirigides més eficaces i amb menys toxicitat.
El desenvolupament de l'aplicació, anomenada EpiGe, ha estat finançat amb el suport de les associacions de famílies dels pacients de l'Hospital Sant Joan de Déu, la Marató de TV3 i el Ministeri de Ciència, Innovació i Universitats.
La importància de la classificació molecular del medul·loblastoma
La classificació molecular del medul·loblastoma és cada vegada més important per a la presa de decisions clíniques que defineixen el tractament i la gestió del pacient. Els actuals sistemes de classificació dels subgrups moleculars de medul·loblastoma són costosos i necessiten de vàries setmanes per obtenir resultats. Això fa que siguin inaccessibles per a molts centres de tot el món que tracten pacients amb tumors cerebrals. En conseqüència, un nombre significatiu de pacients no pot beneficiar-se dels avenços clínics associats a la classificació del medul·loblastoma.
Davant d'aquesta realitat, el 2018 un equip liderat per Cinzia Lavarino, directora del Laboratori d'Oncologia Molecular de l'Hospital Sant Joan de Déu i coordinadora del grup Genòmica translacional de l'IRSJD, centre CERCA, es va plantejar la necessitat de simplificar aquesta metodologia, agilitzar-la i posar-la a disposició de qui la necessités. El seu equip va analitzar durant dos anys dades genòmiques de més de 1.500 mostres de medul·loblastoma obtingudes gràcies a la col·laboració de grups de recerca internacionals. Aquest estudi ha permès identificar el nombre mínim de marcadors que permetin la classificació del medul·loblastoma en els grups moleculars clínicament rellevants amb una fiabilitat del 96%.
D’aquesta manera, conjuntament amb investigadors del CREB de la UPC, liderat per l'investigador Alexandre Perera Lluna, s’ha pogut desenvolupar aquest sistema que permet classificar el medul·loblastoma en els tres subgrups d'interès clínic (WNT, SHH i non-WNT/non-SHH) de forma precisa, ràpida i accessible.
A disposició dels centres mèdics
La recerca no va quedar només en la cerca d'aquests biomarcadors, sinó que es va voler fer un pas més i posar aquesta tècnica a disposició de centres de tot el món, independentment dels seus recursos.
"Havíem trobat aquests marcadors clau, però volíem que a través d'una plataforma web tothom pogués accedir i cap infant es quedés sense aquest tractament més personalitzat. Així va néixer l’aplicació web EpiGe, gràcies al suport de les associacions de famílies d'infants amb càncer de l'Hospital Sant Joan de Déu i el finançament concedit per La Marató de TV3", explica Soledad Gómez, investigadora postdoctoral en el grup del grup Genòmica Translacional de l'IRSJD i coordinadora del projecte.
L'aplicació EpiGe, desenvolupada per Soledad Gómez, investigadora de l'IRSJD, i per l'investigador Joshua Llano, del grup B2SLab del CREB de la UPC, permet classificar les mostres de medul·loblastoma en els tres grups moleculars a partir de dades de metilació de l'ADN obtingudes a través de la tècnica molecular de PCR quantitativa (qPCR). Atesa la disponibilitat i l'accessibilitat de la tècnica de qPCR en la majoria dels laboratoris de biologia molecular, l’eina desenvolupada per l'equip converteix la classificació d’aquests tumors en una prova accessible a la majoria de centres que tracten pacients amb tumors del sistema nerviós central.
"Per entrenar l'algoritme d'aprenentatge, vam utilitzar dades genòmiques de 4.800 mostres, incloent 3.044 medul·loblastomes primaris i 1.644 mostres no medul·loblastoma. Amb aquestes mostres, vam poder generar un algoritme predictor d'estat de metilació a partir de dades crues de qPCR i a partir d'aquesta predicció, vam generar un classificador automàtic en subgrups moleculars de medul·loblastoma. A través d'aquest aprenentatge podem dir que EpiGe-App és capaç de classificar amb precisió els subgrups moleculars WNT, SHH i non-WNT/non-SHH del medul·loblastoma, la qual cosa pot ajudar els equips mèdics a definir el tractament més adequat", afirma l'investigador del CREB Joshua Llano.
L'aplicació EpiGe-App permet als i les professionals de la salut de tot el món carregar els resultats obtinguts seguint el protocol detallat disponible a la web. En menys de dos minuts, la plataforma retorna un informe amb el resultat, oferint una fiabilitat del 96% en la identificació del subgrup de medul·loblastoma.
Articles de referència:
Gómez-González S, Llano J, Garcia M, Garrido-Garcia A, Suñol M, Lemos I, Perez-Jaume S, Salvador N, Gene-Olaciregui N, Galán RA, Santa-María V, Perez-Somarriba M, Castañeda A, Hinojosa J, Winter U, Moreira FB, Lubieniecki F, Vazquez V, Mora J, Cruz O, La Madrid AM, Perera A, Lavarino C. EpiGe: A machine-learning strategy for rapid classification of medulloblastoma using PCR-based methyl-genotyping. iScience. 2023 Aug 12;26(9):107598. doi: 10.1016/j.isci.2023.107598. PMID: 37664618; PMCID: PMC10470382.
Gómez S, Garrido-Garcia A, Garcia-Gerique L, Lemos I, Suñol M, de Torres C, Kulis M, Pérez-Jaume S, Carcaboso ÁM, Luu B, Kieran MW, Jabado N, Kozlenkov A, Dracheva S, Ramaswamy V, Hovestadt V, Johann P, Jones DTW, Pfister SM, Morales La Madrid A, Cruz O, Taylor MD, Martin-Subero JI, Mora J, Lavarino C. A Novel Method for Rapid Molecular Subgrouping of Medulloblastoma. Clin Cancer Res. 2018 Mar 15;24(6):1355-1363. doi: 10.1158/1078-0432.CCR-17-2243. Epub 2018 Jan 19. PMID: 29351917.