Un equipo de investigadores vascos y navarros ha desarrollado y validado gmctool, una herramienta bioinformática de acceso libre en
formato web app que permite predecir de manera sencilla y eficiente vulnerabilidades metabólicas en células cancerosas. Se trata de una mejora de un modelo anterior, cuyos resultados se han publicado en
Nature Communications.
La herramienta aplica al ámbito genético el concepto de minimal cut sets, el conjunto de componentes de una red que cuando fallan provocan el fallo de todo el sistema. Esto permite identificar un conjunto mínimo de genes cuya inactivación o knock out (KO) haría inviable una determinada función metabólica.
Esto es de especial relevancia en el cáncer, ya que permite identificar genes esenciales para realizar una tarea metabólica que podría poner en jaque la viabilidad de las células tumorales. En este sentido, gmctool permite detectar genes clave en base a la última versión de Human1, el atlas metabólico de las células humanas, así como datos de secuenciación de ARN.
La herramienta identificó genes metabólicos esenciales en el mieloma múltiple
En el artículo, los autores demuestran el funcionamiento y la eficacia de la herramienta mediante un ejemplo de predicción de vulnerabilidades en el mieloma múltiple (MM). Para ello, introdujeron en gmctool secuencias de ARN de diferentes subpoblaciones de linfocitos B de personas sanas, de células plasmáticas de pacientes con MM y de ocho líneas celulares de MM.
Para seleccionar los genes esenciales específicos del MM se tenían que cumplir los siguientes criterios: no ser esenciales en las muestras de personas sanas, ser esenciales en >10% de las muestras de pacientes con MM, y ser esenciales en al menos una de las líneas celulares de MM. Se identificaron cuatro genes esenciales cuya inhibición afectaba selectivamente la viabilidad de las células de MM.
Experimentos in vitro sobre dos de los genes identificados, CTPS1 y UAP1, demostraron que las predicciones del modelo fueron correctas. La inhibición de CTPS1 redujo la proliferación de dos líneas celulares de MM, mientras que la de UAP1 redujo el crecimiento de una línea celular de MM.
Los autores destacan que gmctool permite identificar de forma precisa genes esenciales y KOs letales de un modo sencillo e intuitivo, ofreciendo una oportunidad para investigar en profundidad el metabolismo del cáncer y avanzar hacia un manejo cada vez más personalizado.
Referencia
Valcárcel LV, San José-Enériz E, Ordoñez R, et al. An automated network-based tool to search for metabolic vulnerabilities in cancer.
Nat Commun. 2024;15(1):8685. Published 2024 Oct 11.
doi:10.1038/s41467-024-52725-4.
SC-ES-CP-00099