MADRID, 12 Feb. (EUROPA PRESS) -
Investigadores de la Universidad de Columbia han conseguido desarrollar un nuevo método que predice la respuesta del paciente ante la infección por Ébola, según publican en la revista 'Cell Reports'.
No todas las personas que contraen el Ébola mueren por la infección del virus hemorrágico. Algunas despliegan una potente defensa inmune y se recuperan completamente. Pero los factores de riesgo para la susceptibilidad a la infección y la gravedad de la enfermedad siguen siendo poco conocidos.
Un equipo del Centro de Infección e Inmunidad (CII) de la Escuela de Salud Pública Mailman de la Universidad de Columbia ha utilizado una población de ratones de laboratorio criada especialmente para que imite los patrones humanos de tolerancia y susceptibilidad al virus del Ébola para identificar factores inmunes humanos que predicen resultados entre personas infectadas con la enfermedad.
En un nuevo artículo el equipo describe cómo identificaron las diferencias en la respuesta inmune entre los ratones que se recuperaron del Ébola y los que perecieron. Análisis posteriores revelaron diferencias en la expresión génica entre los dos grupos que explican las disparidades en la respuesta inmune.
Utilizando el aprendizaje automático, el equipo creó un modelo que predice con precisión los resultados de enfermedades humanas basándose en la expresión de un pequeño subconjunto de genes.
Los investigadores probaron su modelo utilizando un conjunto de datos recopilados de pacientes con Ébola en África occidental que contiene detalles sobre la presencia de tipos de ARN asociados con la función inmune en la sangre de las personas, así como si vivieron o murieron después de la infección.
El modelo predijo los resultados de los pacientes con una precisión del 75 por ciento, confirmando que los factores identificados como válidos en el modelo de ratón también se asociaron con los resultados entre los humanos infectados con Ébola.
Si bien el trabajo aún no se ha traducido en una prueba clínicamente aprobada para su uso entre pacientes humanos, los hallazgos podrían guiar el desarrollo de nuevas herramientas para evaluar pacientes en países de escasos recursos, apoyar la función inmune entre aquellos con mayor riesgo de muerte y estimular respuesta a la vacuna entre las personas con mayor riesgo.
"Dado que las terapias actuales contra el Ébola que se están probando en la República Democrática del Congo son más efectivas cuando se administran lo antes posible en la infección, nuestro modelo podría usarse para desarrollar pruebas con un gran impacto en la atención clínica y los resultados de los pacientes", apunta la autora Angela Rasmussen, científica investigadora asociada del Centro de Infección e Inmunidad.
Históricamente, los estudios de infección y respuesta al Ébola en humanos han estado limitados por la dificultad de obtener muestras durante un brote, recuerda el coautor primero Adam Price, analista del Centro de Infección e Inmunidad de Columbia Mailman.
"El conjunto de datos humanos que utilizamos para probar nuestro modelo de aprendizaje automático es uno de los únicos que existen que contiene la información que necesitábamos sobre la transcripción genética entre las personas infectadas con Ébola", explica.
"Los datos humanos recopilados durante un brote rara vez contienen la amplitud y especificidad combinadas de la información que los científicos necesitan para realizar análisis detallados de la función inmune --añade el coautor principal Atsushi Okumura, científico investigador asociado de CII--. Los modelos de ratón pueden ayudar a llenar los vacíos de información".
Rasmussen señala que, a diferencia de confiar en los datos del paciente, el modelo de ratón correcto puede permitir estudios comparativamente rápidos y de bajo costo para guiar el estudio de la enfermedad humana y el diseño de medicamentos efectivos.
"Una crítica común a los modelos de ratón del Ébola es que no recapitulan fielmente la infección humana y, por lo tanto, no pueden utilizarse para desarrollar herramientas de diagnóstico o pronóstico --admite Rasmussen--. Aquí mostramos que los datos generados en nuestro modelo de ratón pueden aplicarse a los datos del paciente para predecir correctamente los resultados".
Debido a su tamaño y bajo costo, el nuevo modelo de ratón elimina los obstáculos de investigación al facilitar que los científicos realicen estudios preclínicos en la máxima biocontención y con un poder estadístico más consistente que el que se puede lograr con modelos animales más grandes. El uso de enfoques impulsados por IA como el aprendizaje automático para aplicar esto a los pacientes también supera el desafío de obtener muestras humanas.
La fidelidad del modelo de ratón del equipo al replicar las respuestas humanas al Ébola puede resultar útil para comprender otros virus, como el brote de coronavirus que comenzó en Wuhan. Si bien aún se desconoce mucho sobre el nuevo coronavirus, Rasmussen explica que el modelo de ratón puede ser un modelo útil para guiar una mayor comprensión de la enfermedad.