Existen alrededor de 8.000 enfermedades poco frecuentes o raras (EERR) en todo el mundo. Estas patologías encuentran que su abordaje cuenta con unas barreras más largas y altas que otros pacientes. Son enfermedades que en su mayor parte son muy desconocidas por parte de los profesionales sanitarios, lo que hace que su diagnóstico se dilate en el tiempo, con retrasos que a veces suponen una amenaza para su calidad de vida y su pronóstico, y con tratamientos para solo el 30% de las patologías, y solo el 5% de ellas uno específico y eficaz curativo.
De ahí de la importancia del hallazgo del equipo de investigación liderado por Aurora Pujol, investigadora principal de área CIBER de Enfermedades Raras (CIBERER) y del Instituto de Investigación Biomédica de Bellvitge (IDIBELL), que han logrado desarrollar un innovador algoritmo computacional denominado ‘ClinPrior’. Este algoritmo ha demostrado su capacidad para mejorar la tasa de diagnóstico en pacientes con enfermedades raras de origen genético.
La detección de las enfermedades raras es un desafío constante en el campo de la medicina, y aunque la secuenciación del exoma completo (WES) y la secuenciación del genoma completo (WGS) son técnicas muy valiosas, continúa siendo necesario identificar métodos más rápidos. La mayoría de las herramientas actuales utilizan información fenotípica del paciente para priorizar datos genómicos, pero a menudo se ven limitadas por el conocimiento incompleto de los fenotipos de genes almacenados en bases de datos biomédicas y la falta de evaluación en cohortes de pacientes del mundo real.
El algoritmo ClinPrior aborda estas limitaciones de manera innovadora. Utiliza las características fenotípicas estandarizadas del paciente, basadas en la Ontología del Fenotipo Humano, para clasificar variantes causales candidatas. Posteriormente, a través de un enfoque de priorización basado en una red de interacciones proteicas, propaga los datos para identificar las variantes con mayores posibilidades de éxito.
En una serie prospectiva de 135 familias afectadas por Paraparesia Espástica Hereditaria (HSP) y/o Ataxia Cerebelosa (CA), dos enfermedades raras de origen neurodegenerativo, “ClinPrior logró una tasa de diagnóstico positivo del 70%, lo que representa el doble de los casos que se diagnostican con las herramientas actuales utilizadas en los centros de diagnóstico.” según comenta la Dra. Pujol.
El algoritmo ClinPrior logró una tasa de diagnóstico positivo del 70% en dos enfermedades raras de origen neurodegenerativo, lo que representa el doble de los casos que se diagnostican con las herramientas actuales
Además de su impacto directo en el diagnóstico, ClinPrior ha permitido a los investigadores crear una red de interacciones específica para los trastornos de HSP/CA, lo que posibilita futuros diagnósticos y el descubrimiento de nuevos genes asociados con estas patologías. El grupo liderado por Aurora Pujol ha identificado en los últimos años 10 nuevos genes causantes de enfermedades ultrararas del sistema nervioso.
"ClinPrior representa un avance crucial en el diagnóstico genómico clínico. Su enfoque en la información fenotípica estandarizada y los datos de interacción proteica no solo mejora la identificación de casos atípicos, sino que también predice eficazmente nuevos genes causantes de enfermedades cuya relación con enfermedad humana no existía previamente. Esta herramienta nos permite reducir los tediosos procesos diagnósticos, estas odiseas diagnósticas que sufren las familias en busca de un nombre para su enfermedad durante varios años, y a la vez, aumentar el conocimiento científico sobre el funcionamiento del cerebro humano", asegura la doctora Pujol.
En la investigación han participado por parte del CIBER, además del grupo de la Dra. Pujol, los grupos de investigación de Eduardo López-Laso de la Fundación para la Investigación Biomédica de Córdoba - FIBICO; Mireia Del Toro y Alfons Macaya, de Vall d´Hebron Institut de Recerca - VHIR; Luis G. Gutiérrez-Solana, del Servicio Madrileño de Salud; Carme Fons, del Hospital de Sant Joan de Déu de Barcelona y Luis A. Pérez Jurado, de la Universidad Pompeu Fabra. Asimismo, ha contado con la colaboración del grupo de investigación de Adolfo López de Munain, director científico de CIBERNED y responsable del Área de Neurociencias del IIS Biodonostia.