Aquest model matemàtic, desenvolupat per investigadors de la URV, presenta una taxa d’encerts d’un 75%

L’efectivitat de la majoria de les teràpies utilitzades contra el càncer és de curta durada. Els tumors sovint desenvolupen resistències i la combinació de diferents fàrmacs podria ser la solució. Però la varietat de medicaments contra el càncer i les diferents combinacions possibles entre ells poden ser tantes que fer proves en laboratori i assajos clínics sense tenir cap indici previ dels resultats acaba sent materialment i econòmicament inviable. En aquest sentit, investigadors de la URV es van enfrontar a un repte: aconseguir aplicar un mètode per predir, amb la màxima fiabilitat possible, quina seria la interacció entre 69 fàrmacs davant de 85 tipus diferents de càncer. En aquesta iniciativa, que va impulsar una empresa farmacèutica com a concurs i hi van participar 160 centres de recerca, institucions i investigadors de tot el món, l’equip de la URV es va situar entre els deu primers que va aconseguir millors resultats.

Marta Sales, Roger Guimerà, Antonia Godoy i Marc Tarrés, del grup de recerca SEES Lab del Departament d’Enginyeria Química de la URV, van utilitzar un model matemàtic de xarxes multicapa que permet fer múltiples combinacions entre les interaccions que tenien els fàrmacs entre si amb els diferents tipus de càncers. Aquest algoritme agrupa, d’una banda, els càncers que s’assemblen i, de l’altra, incorpora una altra capa que conformen els medicaments que es comporten de manera similar.

Hi ha moltíssimes combinacions entre capes i nodes, i aquest sistema permet predir de forma molt acurada com seran les interaccions entre medicaments en cadascun dels tipus de càncer, amb una taxa d’encerts del 75%, només tenint en compte les interaccions conegudes, sense necessitat que hi intervinguin altres paràmetres biològics.

“Es tracta d’un model molt senzill, que té el valor afegit que no està enfocat només a tractaments contra el càncer sinó que es pot aplicar també a altres variables i és molt fàcil d’entendre”, explica Roger Guimerà sobre aquest model, que descriu totes les capes de forma simultània i això permet aprofitar al màxim la informació continguda. En aquest sentit, aquest mateix model s’ha fet servir, per exemple, per predir si a un individu li agradarà una pel·lícula o no, o si alguna persona decidirà cooperar amb una altra o competir-hi.

Referència bibliogràfica: Community assessment to advance computational prediction of cancer drug combinations in a pharmacogenomic screen. Nature Communications (2019) 10:2674. DOI: 10.1038/s41467-019-09799-2