domingo, 14 de marzo de 2010

Un algoritmo matemático ayuda a extraer más información de la sangre

Científicos de la Escuela de Medicina de la Universidad de Stanford (EE UU) han ideado un algoritmo de software que podría permitir a dispositivos de cualquier laboratorio separar virtualmente una muestra completa de sangre en sus diferentes tipos celulares, así como detectar cambios en la actividad de sus genes importantes en medicina, específicos para cada tipo de célula. El estudio aparece hoy en la versión on line de Nature Methods.

Un equipo de científicos de la Universidad de Standford (EE UU) ha empleado con éxito una nueva técnica para detectar con exactitud los cambios que ocurren en un tipo de células que disminuye la probabilidad de que los receptores de un transplante de riñón rechacen los nuevos órganos. Sin el software que estos investigadores han desarrollado, estos marcadores de actividad genética habrían pasado desapercibidos.

Los autores del estudio, que hoy publica la edición de internet de Nature Methods, creen que la utilización del nuevo algoritmo podría tener aplicaciones más allá del rechazo de los transplantes de riñón, al permitir que los médicos identifiquen con mayor precisión la aparición de tumores, enfermedades genéticas y otros problemas.

El dispositivo de laboratorio, denominado “microarray” (micromatriz), es un instrumento de investigación estándar, pero hasta la concepción de este algoritmo, los científicos no han sido capaces de utilizarlo para obtener información de utilidad médica a partir de muestras completas de sangre. Parte del problema es que la información se ve ocultada por la composición compleja de las muestras de sangre “entera”, con múltiples componentes.

“La extracción de sangre es una de las pruebas de diagnóstico más comunes en la praxis médica”, explica el investigador, doctor en medicina y profesor auxiliar de pediatría e informática médica Atul Butte. “Estaríamos encantados si pudiésemos utilizar micromatrices para detectar las alteraciones de la sangre que indican la presencia de algún problema en alguna parte del organismo. Pero el hecho de distinguir entre un tipo u otro de células puede ser esencial para ello”.

Butte es uno de los autores principales del estudio, junto a Mark Davis, doctor en medicina y director del Stanford Institute for Immunity, Transplantation and Infection. Los dos autores principales son el estudiante de postdoctorado y doctor en medicina Shai Shen-Orr y Robert Tibshirani, doctor en medicina y catedrático de políticas en investigación de las ciencias de las salud y estadística.

La importancia del microarray
Las posibilidades de obtener información importante o partir de las muestras de sangre se han multiplicado desde la aparición de la micromatriz, hace unos 15 años. Una micromatriz consiste en una retícula del tamaño de un pulgar, de fabricación humana, compuesta de ADN, en cuya superficie residen decenas de millares de minúsculos sensores, que pueden distinguir diferentes secuencias cortas de ácidos nucleicos, el material genético sobre el que se edifica toda la vida.

Un chip así se puede sumergir en un extracto obtenido a partir de células vivas, como la sangre; a continuación, cada vez que un sensor del chip detecta la presencia de una secuencia de ácido nucleico que coincida, transmitirá una señal fluorescente con la que se registra la presencia de dicha secuencia.

Al utilizar micromatrices para medir el grado de actividad con que un gen se “expresa”, los investigadores pueden detectar alteraciones de relevancia médica que haya en un tejido. A medida que gradualmente se va reduciendo su precio y es más sencillo trabajar con ellas, las micromatrices se hallan también en el umbral que lleva a su empleo generalizado como dispositivos de diagnóstico clínico.

Con todo, utilizar sangre entera como muestra lo complica todo para los análisis con micromatrices. “Cualquier chaval puede echarle un vistazo a una muestra de sangre en el microscopio y ver que es una mezcla compuesta por un auténtico montón de distintos tipos de células”, dice Butte, que también es director del Center for Pediatric Bioinformatics en el hospital pediátrico Lucile Packard Children’s Hospital.

En una sola muestra hay docenas de distintos tipos de células, en estados de maduración diferentes y en fases de activación distintas. Un cambio en la expresión génica que para un tipo de células implique que algo ha ido muy mal, puede ser completamente benigno para otro tipo de células, incluso representar una señal que constata la necesidad de activación. Pero una micromatriz no tiene manera de discernir de qué tipo de célula de todo el conjunto proviene ese fragmento concreto de ácido nucleico.

Para complicar más las cosas, la composición de las muestras obtenidas de dos pacientes diferentes (incluso dos muestras extraídas del mismo paciente pero en distintos momentos) también varía mucho.

El símil de la encuesta sobre el voto
Imaginemos a un analista de la opinión pública, que sea nuevo en su puesto y a quien se le haya encargado realizar encuestas de intención de voto con cobertura nacional, que se desarrollarán antes y después del discurso de un político, para determinar si éste mejora o empeora el nivel de popularidad de una propuesta legislativa.

Pero el analista novato ha olvidado preguntar a los encuestados qué partido político les es más afín o de en qué región viven, de modo que no se percata de que la primera muestra de la encuesta tenía una proporción entre liberales y conservadores de 30:70, mientras que en la segunda la proporción era inversa.

El analista podría inferir, erróneamente, la existencia de un cambio radical de las tendencias detectadas antes y después del discurso, cuando en realidad el único cambio que se habría producido sería el de la composición de las muestras. Mientras tanto, podría haber pasado inadvertido un cambio drástico del apoyo entre los residentes de una región pequeña pero con peso decisivo en la votación.

Del mismo modo, la comparación de un patrón de expresión génica basado en una muestra de sangre entera de un individuo con el de otro individuo, o incluso comparar la sangre del mismo individuo en distintos momentos, no es un método que arroje demasiada información si se procesa con una micromatriz. Los cambios producidos en los patrones de expresión génica relevantes para la medicina pueden pasar esas pruebas sin ser detectados, mientras que aquellas modificaciones que reflejan cambios en la composición de la muestra sí pueden hacer saltar falsas alarmas.

Aunque existen métodos para tratar la sangre entera y separar los tipos de células que la componen, son demasiados tediosos, requieren mucho tiempo y son muy costosos para el diagnóstico clínico rutinario. Además, por motivos parecidos, suponen todo un reto para la investigación sobre grupos amplios de individuos.

El nuevo algoritmo
Por este motivo los investigadores concibieron un logaritmo que, en este caso, es un número muy grande de ecuaciones relativamente sencillas. Consideraron que la resolución simultánea de todas estas ecuaciones hacía posible asignar los cambios expresados genéticamente a tipos particulares de células de las muestras de sangre de los pacientes.

Para probar la precisión del algoritmo, los investigadores recogieron muestras de sangre entera de 24 pacientes de transplante de riñón, de la sección de pediatría. Quince de los 24 pacientes experimentaban síntomas de rechazo agudo al transplante, mientras los otros nueve permanecían estables.
Como se habían realizado con regularidad recuentos completos de los componentes de la sangre de estos pacientes, ya se conocían las frecuencias de cinco importantes tipos de células (monocitos, linfocitos, neutrófilos, basófilos y eosinófilos) de cada muestra.

Al analizar las muestras de sangre entera de los pacientes con micromatrices y sin recurrir al nuevo algoritmo, los investigadores no fueron capaces de distinguir ninguna diferencia entre los patrones de expresión génica de uno y otro grupo de pacientes. Pero al emplear el nuevo algoritmo, encontraron centeneras de diferencias en la expresión génica.

Estas diferencias se pudieron usar para determinar qué pacientes rechazaban el transplante y cuáles no. E igual de importante, este método también permitió a los investigadores observar que estos cambios se restringían sobre todo a un tipo de células en particular: los monocitos. Solamente gracias a la nueva técnica de separación virtual fue posible identificar y señalar las células culpables.

“Era como una flecha enorme que señalaba hacia el origen biológico del problema del rechazo”, cuenta Davis, investigador del instituto médico Howard Hughes Medical Institute y Burton and Marion Avery Family Professor of Immunology.

(Publicado por el libre pensador
http://www.ellibrepensador.com/2010/03/09/un-algoritmo-matematico-ayuda-a-extraer-mas-informacion-de-la-sangre/  )

No hay comentarios:

Publicar un comentario en la entrada