Cuando Gregory Poore era estudiante de primer año en la universidad, su abuela, que por lo demás estaba sana, se sorprendió al enterarse de que tenía cáncer de páncreas en etapa tardía. La condición fue diagnosticada a finales de diciembre. Murió en enero.
"Prácticamente no tenía signos o síntomas de advertencia", dijo Poore. "Nadie pudo decir por qué su cáncer no fue detectado antes o por qué era resistente al tratamiento que intentaron".
Como Poore aprendió a través de sus estudios universitarios, el cáncer ha sido tradicionalmente considerado como una enfermedad del genoma humano: las mutaciones en nuestros genes permiten que las células eviten la muerte, proliferen y formen tumores.
Pero cuando Poore vio un estudio de 2017 en Science que mostraba cómo los microbios invadían la mayoría de los cánceres de páncreas y eran capaces de descomponer el principal fármaco de quimioterapia que se administraba a estos pacientes, le intrigó la idea de que las bacterias y los virus podían desempeñar un papel más importante en el cáncer de lo que nadie había considerado anteriormente.
Poore es actualmente estudiante de doctorado en la Escuela de Medicina de la Universidad de California en San Diego, donde está llevando a cabo su trabajo de tesis de graduación en el laboratorio de Rob Knight, doctorado, profesor y director del Centro para la Innovación del Microbioma.
Junto con un grupo interdisciplinario de colaboradores, Poore y Knight han desarrollado un novedoso método para identificar quién tiene cáncer, y a menudo de qué tipo, simplemente analizando los patrones de ADN microbiano -bacteriano y viral- presentes en su sangre.
El estudio, publicado el 11 de marzo de 2020 en la revista Nature, podría cambiar la forma en que se ve y se diagnostica el cáncer.
"Casi todos los esfuerzos previos de investigación sobre el cáncer han asumido que los tumores son ambientes estériles, e ignorado la compleja interacción que las células cancerosas humanas pueden tener con las bacterias, virus y otros microbios que viven en y sobre nuestros cuerpos", dijo Knight.
"El número de genes microbianos en nuestros cuerpos supera ampliamente el número de genes humanos, por lo que no debería sorprender que nos den importantes pistas para nuestra salud".
Los investigadores examinaron primero los datos microbianos disponibles en el Atlas del Genoma del Cáncer, una base de datos del Instituto Nacional del Cáncer que contiene información genómica y de otro tipo de miles de tumores de pacientes. Hasta donde sabe el equipo, fue el mayor esfuerzo jamás realizado para identificar ADN microbiano en los datos de secuenciación humana.
De 18.116 muestras de tumores, que representan 10.481 pacientes con 33 tipos de cáncer diferentes, surgieron distintas firmas o patrones microbianos asociados con tipos de cáncer específicos. Se esperaban algunos, como la asociación entre el virus del papiloma humano (VPH) y los cánceres de cuello uterino, cabeza y cuello, y la asociación entre las especies de Fusobacterium y los cánceres gastrointestinales. Pero el equipo también identificó firmas microbianas previamente desconocidas que discriminaban fuertemente entre los tipos de cáncer. Por ejemplo, la presencia de las especies de Fecalibacterium distinguía el cáncer de colon de otros cánceres.
Armados con los perfiles microbianos de miles de muestras de cáncer, los investigadores luego entrenaron y probaron cientos de modelos de aprendizaje automático para asociar ciertos patrones microbianos con la presencia de cánceres específicos. Los modelos de aprendizaje automático fueron capaces de identificar el tipo de cáncer de un paciente utilizando solo los datos microbianos de su sangre.
Luego los investigadores eliminaron del conjunto de datos los cánceres de alto grado (etapas III y IV) y descubrieron que muchos tipos de cáncer todavía se podían distinguir en etapas más tempranas cuando se basaban únicamente en los datos microbianos derivados de la sangre. Los resultados se mantuvieron incluso cuando el equipo realizó la más estricta descontaminación bioinformática de las muestras, que eliminó más del 90 por ciento de los datos microbianos.
Para determinar si estos patrones microbianos podrían ser útiles en el mundo real, Knight, Poore y su equipo analizaron muestras de plasma derivadas de la sangre de 59 pacientes con cáncer de próstata, 25 con cáncer de pulmón y 16 con melanoma, proporcionadas por colaboradores del Centro de Cáncer Moores de la UC San Diego Health. Empleando nuevas herramientas que desarrollaron para minimizar la contaminación, los investigadores elaboraron una lectura de firmas microbianas para cada muestra de paciente con cáncer y las compararon entre sí y con las muestras de plasma de 69 voluntarios sanos, VIH-negativos, proporcionadas por el Centro de Investigación Neuroconductual del VIH de la Facultad de Medicina de la UC San Diego.
Los modelos de aprendizaje automático del equipo fueron capaces de distinguir a la mayoría de las personas con cáncer de las que no lo tienen. Por ejemplo, los modelos pudieron identificar correctamente a una persona con cáncer de pulmón con un 86 por ciento de sensibilidad y a una persona sin enfermedad pulmonar con un 100 por ciento de especificidad. A menudo podían decir qué participantes tenían cuál de los tres tipos de cáncer. Por ejemplo, los modelos podían distinguir correctamente entre una persona con cáncer de próstata y una persona con cáncer de pulmón con un 81 por ciento de sensibilidad.
"La capacidad, en un solo tubo de sangre, de tener un perfil completo del ADN del tumor así como del ADN de la microbiota del paciente, por así decirlo, es un importante paso adelante en la mejor comprensión de las interacciones entre el entorno del huésped y el cáncer", dijo el coautor Sandip Pravin Patel, oncólogo médico y co-líder de la terapéutica experimental en el Centro de Cáncer Moores de la UC San Diego Health.
"Con este enfoque, existe el potencial de monitorear estos cambios a lo largo del tiempo, no solo como un diagnóstico, sino para el monitoreo terapéutico a largo plazo. Esto podría tener importantes implicaciones para el cuidado de los pacientes con cáncer, y en la detección temprana del cáncer, si estos resultados siguen siendo válidos en futuras pruebas".
Los investigadores se apresuran a señalar que aún existe la posibilidad de que las lecturas de ADN microbiano en la sangre puedan pasar por alto signos de cáncer y den un resultado negativo falso. Pero esperan que su nuevo enfoque sea más preciso a medida que perfeccionen sus modelos de aprendizaje automático con más datos.
Y aunque los falsos negativos pueden ser menos comunes con el enfoque del ADN microbiano, los falsos positivos -escuchar que tienes cáncer cuando no lo tienes- siguen siendo un riesgo.
