El neuroblastoma es el tumor sólido más común en la primera infancia. Afecta mayoritariamente a niños menores de 18 meses y se origina durante el desarrollo del sistema nervioso. Se suele manifestar en el tejido de la glándula suprarrenal, pero también en el cuello, tórax, abdomen o pelvis. En España se diagnostican cada año unos 50 casos y, aunque la tasa de supervivencia es superior al 70%, es uno de los cánceres más frecuentes entre los más pequeños.
Desde hace tiempo médicos tienen pruebas de que el entorno que rodea y da soporte a las células tumorales, la denominada “matriz extracelular”, participa de forma importante en su inicio y progresión en este tipo de cáncer. Esta matriz está formada por una red de fibras que dependiendo de su densidad y de cómo estén conectadas dan mayor o menor rigidez a este microambiente tumoral. Ahora, un equipo de investigadores españoles liderado por el matemático Luisma Escudero, de la Universidad de Sevilla, y la médico Rosa Noguera, de la Universidad de Valencia, acaba de aplicar un tipo de análisis matemático que permite comprender qué hace que un tumor sea más o menos agresivo y cómo combatirlo.
Este nuevo análisis matemático está basado en la teoría de grafos
En un trabajo publicado en la revista International Journal of Cancer, estos investigadores han combinado el análisis de imágenes de biopsias de pacientes afectados por neuroblastoma, con un nuevo análisis matemático basado en la teoría de grafos que ha permitido cuantificar cómo están organizadas las fibras alrededor de las células tumorales. “Tú ves una biopsia y te puede parecer que hay más de un marcador que de otro, pero lo difícil es saber cómo están organizadas esas fibras”, explica Escudero a Next. “Ahí es donde entran las matemáticas. Nosotros hemos sido capaces de cualificar organizaciones y agrupar los tumores por cómo estaba organizada la fibra”.
Tras analizar el papel que podrían tener distintas moléculas, el resultado indicó que el grado de organización espacial de una de ellas, la vitronectina, correlacionaba con la agresividad del tumor y podría utilizarse para clasificar a los pacientes antes de un posible tratamiento. “La teoría de grafos lo que hace es unir elementos con una condición”, indica Escudero. “Aquí hemos ensayado muchas condiciones y hemos encontrado una que nos permite asociar esta organización de la vitronectina con algo biológico”. En otras palabras, han visto que el factor esencial no es que haya mucha o poca vitronectina, sino cómo está dispuesta espacialmente.
La matriz actúa como unas vías de tren por las que al tumor le sería más fácil migrar
Se trata de características topológicas difíciles de describir visualmente, pero una buena analogía sería pensar que en determinadas circunstancias y con determinada orientación, esas fibras “podrían estar haciendo como unas vías de tren por las que al tumor le sería más fácil migrar e invadir otros tejidos”, según Escudero. El tejido que rodea las células también podría ser visto como una especie de andamiaje que permite a la célula sujetarse y moverse. “Esa matriz es tan importante como la célula”, insiste Escudero. “Principalmente está formado por muchas células como el colágeno, que permiten que se formen estructuras, y es un poco como un andamio o un pegamento, pero que además está vivo y evoluciona. Por otro lado, las propias células son capaces de regular esa matriz y generar esa vitronectina, tanto las sanas como las no sanas”.
Lo que sugieren estos resultados es que la vitronectina puede cambiar la rigidez del entorno de las células tumorales y que en los casos más graves estas fibras estarían guiando a los neuroblastos cancerosos posibilitando que puedan invadir otros órganos. No se trata de que pueda proliferar más, matiza Escudero, sino de que las células tumores pueden viajar más fácilmente y provocar la metástasis.
“Si regulamos la dureza de la matriz celular podemos hacer que un neuroblastoma maligno no sea tan maligno”
Según sus autores, este estudio de “ciencia básica”, que ha sido financiado por un proyecto de investigación de la Fundación Asociación Española Contra el Cáncer, abre una posible nueva forma de combatir este cáncer que puede basarse en modificar la organización de la vitronectina y así hacer los tumores menos agresivos. “La idea inicial es que vamos a buscar nuevas dianas terapéuticas para el neuroblastoma”, afirma Escudero. “Aún estamos muy lejos, pero proponemos que la vitronectina podría ser una buena diana en el sentido que se podría modular cómo se entrelazan las fibras entre ellas para regular la dureza de la matriz celular y hacer que un neuroblastoma maligno no fuera tan maligno”.
Esta no es la primera vez que se utilizan las matemáticas contra el cáncer; existen multitud de equipos trabajando en enfoques tan originales como la aplicación de la teoría de juegos a la evolución de los tumores, siendo las células normales las cooperativas y las tumorales las egoístas. En lo que sí es pionero el equipo de Escudero - que saltó a la fama mundial por la descripción de los escutoides, una nueva forma tridimensional en las células del epitelio - es en utilizar herramientas matemáticas para describir la forma en que se organizan los tejidos en determinadas patologías. “Tenemos trabajos sobre esta base con enfermedades neuromusculares”, asegura. “Hemos visto diferencias de organización entre individuos sanos y pacientes con ELA, por ejemplo”.
“Sospechamos que esto se puede aplicar a cualquier tipo de patología”
Su intención es intentar ampliar este enfoque a otros problemas fisiológicos, aplicando un análisis que diferencia el tejido sano del enfermo que no se puede apreciar con las técnicas clásicas. “Sospechamos que esto se puede aplicar a cualquier tipo de patología”, concluye. “Sobre todo en las que no están muy claras las diferencias, porque a lo mejor la clave está en la organización y el ojo humano no es capaz de capturar eso ni de cuantificarlo. Creemos que la teoría de grafos puede ayudar a ver cosas que hasta ahora no podemos ver”.
Referencia: The topology of Vitronectin: a complementary feature for neuroblastoma risk classification based on computer-aided detection (International Journal of Cancer)
