L’efectivitat de la majoria de les teràpies utilitzades contra el càncer és de curta durada. Els tumors sovint desenvolupen resistències i la combinació de diferents fàrmacs podria ser la solució. Però la varietat de medicament i les diferents combinacions possibles poden ser tantes que fer proves en laboratori i assajos clínics sense tenir cap indici previ dels resultats acaba sent material i econòmicament inviable.
Investigadors de la Universitat Rovira i Virgili (URV) han desenvolupat un mètode per a predir, amb la màxima fiabilitat possible, quina seria la interacció entre 69 fàrmacs davant 85 tipus diferents de càncer.
En aquesta iniciativa, impulsada per la farmacèutica AstraZeneca en format de concurs, van participar 160 centres de recerca, institucions i investigadors de tot el món. L’equip de la URV es va situar entre els deu primers.
Marta Sales, Roger Guimerà, Antonia Godoy i Marc Tarrés, del grup de recerca SEES Lab del Departament d’Enginyeria Química de la URV, van utilitzar un model matemàtic de xarxes multicapa que permet fer múltiples combinacions entre les interaccions que tenien els fàrmacs entre si amb els diferents tipus de càncer.
Taxa d’encerts del 75%
Aquest algorisme agrupa, d’una banda, els càncers que s’assemblen i, per una altra, incorpora una altra capa que conformen els medicaments que es comporten de manera similar.
Hi ha moltíssimes combinacions entre capes i nodes, i aquest sistema permet predir de forma molt acurada com seran les interaccions entre medicaments en cadascun dels tipus de càncer, amb una taxa d’encerts del 75%, només tenint en compte les interaccions conegudes, sense necessitat que intervinguin altres paràmetres biològics.
“Es tracta d’un model molt senzill, que té el valor afegit que no està enfocat només a tractaments contra el càncer, sinó que es pot aplicar també a altres variables i és molt fàcil d’entendre”, explica Roger Guimerà sobre aquest model, que descriu totes les capes de manera simultània, la qual cosa permet aprofitar al màxim la informació continguda.
En aquest sentit, aquest mateix model s’ha utilitzat, per exemple, per a predir si a un individu li agradarà una pel·lícula o no, o si alguna persona decidirà cooperar amb una altra o competir.