Diari Més

Innovación

Crean en la URV un algoritmo para predecir cómo interaccionarán los fármacos en 85 tipos de cánceres

Este modelo matemático presenta una tasa de aciertos de un 75%

Marta Sala y Roger Guimer, miembros del equipo investigador que participó en el proyecto.

Crean a la URV un algoritmo capaz de predecir cómo interaccionarán los fármacos en 85 tipos de cánceresURV

Publicado por

Creado:

Actualizado:

Investigadores de la URV han conseguido aplicar un método matemático para predecir, con la máxima fiabilidad posible, cuál es la interacción entre 69 fármacos ante 85 tipos diferentes de cáncer.

En esta iniciativa, que impulsó una empresa farmacéutica como concurso y participaron 160 centros de investigación , instituciones e investigadores de todo el mundo, el equipo de la URV se situó entre los diez primeros que consiguió mejores resultados.

La variedad de medicamentos existentes contra el cáncer y las diferentes combinaciones posibles entre ellos pueden ser tantas que hacer pruebas en laboratorio y ensayos clínicos sin tener ningún indicio previo de los resultados acaba siendo material y económicamente inviable.

Marta Sales, Roger Guimerà, Antonia Godoy y Marc Tarrés, del grupo de investigación SEES Lab del Departamento de Ingeniería Química de la URV, utilizaron un modelo matemático de redes multicapa que permite hacer múltiples combinaciones entre las interacciones que tenían los fármacos entre sí con los diferentes tipos de cánceres.

Este sistema permite predecir de forma muy esmerada cómo serán las interacciones entre medicamentos en cada uno de los tipos de cáncer, con una tasa de aciertos del 75%, sólo teniendo en cuenta las interacciones conocidas, sin necesidad que intervengan otros parámetros biológicos.

«Se trata de un modelo muy sencillo, que tiene el valor añadido que no está enfocado sólo a tratamientos contra el cáncer sino que se puede aplicar también a otras variables y es muy fácil de entender», explica Roger Guimerà sobre este modelo, que describe todas las capas de forma simultánea y eso permite aprovechar al máximo la información contenida. En este sentido, este mismo modelo ha utilizado, por ejemplo, para predecir si a un individuo le gustará una película o no, o si alguna persona decidirá cooperar con otra o competir.

tracking