Research

Al secuenciar el ADN de los tumores, los científicos suelen encontrar pequeñas cantidades de código genético de bacterias, virus y hongos. Estos microorganismos, si estuvieran realmente presentes en los tejidos tumorales, podrían influir en su crecimiento, evadir la inmunidad o responder al tratamiento.

Pero, ¿los microorganismos residen verdaderamente en los tumores o las muestras se contaminan antes de la secuenciación?

Análisis independientes de los mismos datos genómicos han llegado a conclusiones muy diferentes. Ahora, investigadores del Rutgers Cancer Institute, el único Centro Integral de Cáncer designado por el Instituto Nacional del Cáncer en el estado, han desarrollado una herramienta computacional que resuelve esta controversia al distinguir las señales microbianas genuinas de los artefactos. Sus hallazgos se publican en Cancer Cell.

Hay microbios por todo el medio ambiente, en nuestra piel y en nuestro aliento. Podrían haber partículas de ADN flotando en el aire. ¿Cómo saber si lo que encuentras proviene del tejido que te interesa o si fue algo que se introdujo en el proceso?»

Subhajyoti De, miembro del Programa de Inestabilidad Genómica y Genética del Cáncer en Rutgers Cancer Institute y autor principal del estudio.

La herramienta, llamada PRISM (Identificación Precisa de Especies del Microbioma), aborda todos estos problemas. Utiliza un cribado rápido para una visión general inicial, luego aplica pasos más estrictos para eliminar las secuencias humanas persistentes y realizar una alineación de longitud completa de las secuencias genómicas medidas con bases de datos de referencia microbianas. Finalmente, utiliza un modelo de aprendizaje automático entrenado para predecir si cada microbio detectado está realmente presente o es un contaminante.

PRISM está diseñada para identificar secuencias microbianas ocultas en experimentos estándar de secuenciación humana y luego estimar qué microbios es probable que estuvieran presentes en el tejido original y cuáles se asemejan más a la contaminación introducida durante el procesamiento.

Comprender qué microbios están realmente presentes en los tumores es importante porque podría revelar nuevas estrategias de tratamiento, identificar a los pacientes que podrían beneficiarse de terapias dirigidas al microbioma y explicar por qué algunos tratamientos funcionan mejor en ciertos pacientes. Además, PRISM permite a los investigadores analizar grandes conjuntos de datos genómicos existentes –que representan miles de muestras de pacientes ya recolectadas y secuenciadas– sin necesidad de costosos trabajos de laboratorio.

«Como comunidad científica, podríamos realizar una secuenciación microbiana específica para identificar los microbios, pero eso sería costoso», dijo Bassel Ghaddar, ex becario de posgrado en biología de sistemas en el Programa de Microbioma de Rutgers y autor principal del estudio. «Utilizar la secuenciación estándar que se realiza para identificar el genoma humano o las secuencias de ARN, como lo hacemos con PRISM, puede obtener esto sin costo adicional.»

El desafío de determinar qué secuencias microbianas provienen de las muestras y cuáles de otros lugares es formidable. Los microbios pueden introducirse en una muestra a través de reactivos, superficies o incluso fragmentos de ADN flotando en el medio ambiente.

Además, los algoritmos pueden confundir secuencias similares de tejidos humanos y microbios, así como secuencias de diferentes microbios.

Para entrenar el modelo, los investigadores recopilaron 833 muestras de más de 200 estudios con perfiles microbianos conocidos. Cuando se probó en otros conjuntos de muestras con composiciones microbianas conocidas, PRISM logró sensibilidades y especificidades superiores al 90% y superó a cinco otros métodos.

Luego, los investigadores aplicaron PRISM para analizar 25 tipos de cáncer a partir de casi 4,400 muestras de tumores en The Cancer Genome Atlas y el Clinical Proteomic Tumor Analysis Consortium.

La imagen general que reveló PRISM fue, en cierto sentido, intuitiva. Las señales microbianas fueron más fuertes en los cánceres de tejidos ricos en microbios, como los cánceres de cabeza y cuello, los tumores gastrointestinales y los cánceres de cuello uterino. En muchos otros tipos de cáncer, las señales microbianas fueron mínimas.

«Eso está más en línea con lo que se esperaría conceptualmente», dijo De, y agregó que se cree generalmente que los órganos internos que no están conectados con el medio externo tienen poco microbioma residente. «Fue muy sorprendente cuando estudios anteriores encontraron una alta abundancia de microbios en esos tipos de cáncer.»

PRISM también explicó por qué algunos tumores parecían tener una gran cantidad de microbios en análisis anteriores. Muchos microbios «detectados» fuera de la boca, el intestino y el cuello uterino se sabía que eran contaminantes de laboratorio frecuentes. En otras palabras, al menos parte del «microbioma tumoral» aparente en ciertos cánceres podría ser una firma de cómo se procesaron las muestras en lugar de dónde provenían.

El ejemplo más detallado del estudio proviene del cáncer de páncreas, donde PRISM clasificó un subconjunto de tumores como que tienen microbios detectables, incluida E. coli, que puede producir una toxina dañina para el ADN llamada colibactina. Estos tumores se asociaron con cambios en las modificaciones de las glicoproteínas, cambios moleculares que pueden alterar cómo se comportan las proteínas y cómo interactúan las células.

De dijo que las glicoproteínas alteradas se agruparon en vías relacionadas con un proceso que ayuda a construir el tejido denso y fibrótico que puede impedir que los fármacos y las células inmunitarias penetren en los tumores pancreáticos. El análisis también encontró que los pacientes con un mayor historial de tabaquismo tendían a tener una mayor abundancia microbiana en sus tumores.

«Estamos encontrando una señal en las bacterias que se correlaciona con un fenotipo en las células», dijo De. «Pero no siempre sabemos de este experimento solo si los microbios están impulsando el fenotipo de las células tumorales.»

Aún así, al reducir las señales que son más propensas a ser reales, PRISM podría ayudar al campo a centrarse en menos hipótesis más precisas.

«Al permitirnos observar las interacciones huésped-microbio en los datos existentes, podemos generar hipótesis sobre qué pacientes podrían responder a ciertas terapias o qué metabolitos microbianos podrían ser objetivos farmacológicos», dijo Ghaddar.

La herramienta está disponible de forma gratuita para los investigadores académicos a través de la plataforma de desarrolladores en la nube GitHub, aunque Rutgers ha solicitado protección de la propiedad intelectual para aplicaciones comerciales. Los investigadores dijeron que la herramienta se puede aplicar más allá del cáncer a cualquier estudio de secuenciación genómica, particularmente para enfermedades gastrointestinales donde el microbioma desempeña funciones conocidas.