¿Cómo evitar las metástasis del cáncer de próstata?
Analizar treinta genes en un tumor de próstata permite predecir si el cáncer tiene un alto riesgo de reaparecer después del tratamiento inicial y de formar metástasis, según ha descubierto el equipo de Arkaitz Carracedo en el centro de investigación CIC bioGUNE, en el área metropolitana de Bilbao. A partir de este avance, se está desarrollando un test para predecir la evolución del cáncer más común en la población masculina española –con 30.000 nuevos diagnósticos al año– y el cuarto más mortal –con 5.800 muertes-, lo que guiará la toma de decisiones por parte de médicos y pacientes.
Pero, además de predecir meestudiados
jor el curso de la enfermedad, Carracedo se ha propuesto utilizar estos treinta genes para frenar su progresión y reducir el riesgo de metástasis. “En nuestro laboratorio nos centramos en genes metabólicos”, es decir, genes que regulan reacciones químicas en las células, explica. “Están menos que los genes que regulan la multiplicación celular, pero también son muy importantes en el cáncer”.
La prueba de que están poco estudiados es que se desconoce la función de la mayoría de los treinta genes metabólicos involucrados en la progresión del cáncer de próstata. El nuevo proyecto de Carracedo está orientado a averiguar la función de cada uno de ellos. Si algunos no sólo informan del riesgo de progresión sino que participan activamente en el proceso de metástasis, como sospecha el investigador, podrá buscar tratamientos que bloqueen estos genes y así prevengan las metástasis.
Al mismo tiempo, en colaboración con investigadores del centro CIC biomaGUNE, está desarrollando una nueva técnica de diagnóstico por imagen que informe con más precisión que las técnicas actuales sobre la progresión del cáncer de próstata. “Este es un trabajo multidisciplinar”, destaca Carracedo, que colabora con el hospital de Basurto y con la Universidad de Cambridge, y que combina análisis de cultivos celulares, de modelos animales, de muestras de pacientes, de datos clínicos y de biología computacional para “comprender mejor una enfermedad de una enorme complejidad”.