Vínculo entre la microbiota y el metabolismo en el cáncer de colon
Un estudio puntero sobre el adenocarcinoma de colon revela cómo el metabolismo de los ácidos grasos, la microbiota intratumoral y el microentorno tumoral influyen en los resultados de los pacientes, allanando el camino para innovaciones impulsadas por IA en el diagnóstico del cáncer.
Espacio para el público general
Encuentra aquí tu espacio dedicado
Acerca de este artículo
Autor
El cáncer de colon se caracteriza por una dinámica intratumoral compleja en la que intervienen la microbiota, el metabolismo de (sidenote: Metabolismo de los ácidos grasos Proceso celular implicado en la descomposición y síntesis de las grasas, que influye en el crecimiento y la progresión del tumor. ) , y el (sidenote: Microentorno tumoral Entorno que rodea a un tumor, incluidas las células inmunitarias, los vasos sanguíneos y las moléculas de transducción de señales que influyen en el desarrollo del cáncer. ) Un estudio reciente 1 se interesó por el papel de este misterioso trío en el (sidenote: Adenocarcinoma de colon (ADCO) Tipo de cáncer de colon que se origina en las células glandulares del colon. ) . Tomando como base los datos de una amplia cohorte de pacientes de The Cancer Genome Atlas (TCGA) y aplicando sofisticadas técnicas bioinformáticas y de análisis de imágenes patológicas, los investigadores se propusieron descubrir nuevas vías de diagnóstico y tratamiento para este agresivo cáncer.
Conexiones entre la microbiota y el metabolismo
Para empezar, el equipo de científicos analizó los datos completos de 420 pacientes con ADCO. Una etapa fundamental del método empleado consistió en clasificar a estos pacientes en dos subgrupos distintos :
- Una alta capacidad (grupo FAM_high).
- Una baja capacidad (FAM_low) de metabolización de los ácidos grasos.
Dicha estratificación se basó en la puntuación del (sidenote: Gene Set Variation Analysis (GSVA, Análisis de las variaciones de un conjunto de genes) Método informático que se aplica para evaluar la actividad de vías génicas específicas en muestras derivadas de pacientes, lo que ayuda en la subtipificación y el diagnóstico. ) calculada para los genes del metabolismo de los ácidos grasos.
Sorprendentemente, aunque la diversidad microbiana alfa global (una medida de la diversidad intramuestra) parecía similar entre los dos grupos, un análisis más profundo de la diversidad microbiana beta (una medida de la diversidad entre muestras) reveló composiciones bacterianas notablemente distintas que presentaban una estrecha correlación con los perfiles metabólicos subyacentes.
Se descubrió que determinados tipos de bacterias intestinales están implicadas en la modulación del entorno tumoral. En particular, el estudio permitió identificar un conjunto de géneros bacterianos específicos, entre los cuales cabe mencionar Desulfovibrio, Desulfococcus, Streptococcus y Mycobacterium, que eran significativamente más abundantes en el grupo de pacientes FAM_high, lo cual demuestra que existe una clara conexión entre la (sidenote: Microbiota intratumoral Comunidad de microorganismos presentes en el tumor, que puede afectar a su comportamiento y al pronóstico del paciente. ) y el metabolismo del huésped. Esta estratificación metabólica también demostró ser pertinente para el pronóstico.
De hecho, los investigadores observaron que los pacientes con baja capacidad de metabolización de los ácidos grasos (grupo FAM_low) presentaban una supervivencia global (SG) significativamente mejor que sus homólogos del grupo FAM_high. La identificación de cuatro genes específicos (ADIPOR2, HAO2, ALAD, HPGD) cuyos niveles de expresión mostraban una correlación significativa con la supervivencia de los pacientes, confirmó el papel crítico del metabolismo de los ácidos grasos en el pronóstico del ADCO
Perfiles metabólicos como herramientas predictivas
Más allá del diagnóstico y el pronóstico, el exhaustivo análisis de sensibilidad a fármacos que se llevó a cabo en el marco del estudio puso de manifiesto diferencias considerables que podrían aprovecharse en la práctica clínica en cuanto a la respuesta de los dos subtipos definidos por el metabolismo de los ácidos grasos a un amplio espectro de agentes terapéuticos.
Al calcular los valores de CI50 (concentración de fármaco necesaria para inhibir el 50% de las células) de un vasto conjunto de 195 fármacos candidatos, los investigadores descubrieron que los grupos FAM_high y FAM_low mostraban sensibilidades significativamente diferentes a 120 de estos compuestos, esto es, una proporción notable. Por ejemplo, el grupo FAM_high mostró una sensibilidad reducida a fármacos como el JQ1, lo que sugiere que estos agentes podrían ser menos eficaces en este contexto metabólico. Esta información podría ayudar a diseñar estrategias terapéuticas más personalizadas para el cáncer.
La imagenología como herramienta de diagnóstico
El resultado más destacable del estudio quizás fue que las imágenes anatomopatológicas comunes son capaces de reflejar los subtipos subyacentes de metabolismo de los ácidos grasos. Ciertas características de textura mostraron una correlación con las puntuaciones de metabolismo de los ácidos grasos y con los perfiles microbianos, y se observaron diferencias significativas entre los grupos FAM_high y FAM_low. Podemos anticipar que muy pronto los modelos de IA serán capaces de analizar la histología para detectar firmas bacterianas y determinar el tipo de metabolismo tumoral en tiempo real. Esto sugiere la interesante posibilidad de desarrollar herramientas potenciadas por IA para predecir subtipos metabólicos a partir de análisis patológicos de rutina, ofreciendo un enfoque económico y accesible para el diagnóstico.
Esta investigación proporciona información valiosa sobre la intrincada relación entre el intestino y el entorno tumoral en la progresión del ADCO. La posibilidad de efectuar una subtipificación metabólica no invasiva mediante el análisis de imágenes controlado por IA resulta especialmente prometedora para aplicaciones clínicas muy variadas. Para conseguir nuevos avances terapéuticos en el futuro, será necesario comprender mejor cómo las bacterias intestinales interactúan con las células tumorales.
