Los investigadores del Massachusetts Institute of Technology (MIT) han diseñado un modelo computacional para predecir la respuesta del cuerpo humano a las diferentes versiones de la ‘insulina sensible a la glucosa’(GRI), un tipo de insulina en la que la ciencia está trabajando y con la que se espera que los pacientes puedan necesitar inyecciones con menos frecuencia, al ser capaz de mantener niveles normales de azúcar en sangre durante periodos prolongados. El estudio ha sido publicado en la sociedad científica ‘ACS Publications’.
Se trata de un modelo único, ya que puede comparar la respuesta humana con la de los animales de laboratorio que se han utilizado en las pruebas preclínicas. Los ingenieros que han elaborado el estudio ya han utilizado el modelo computacional para analizar los resultados de un ensayo clínico reciente de GRI, que tuvo que suspenderse dado que el fármaco demostró poco efecto en humanos, a pesar de que había funcionado bien en animales. La diferencia entre ambos grupos residía en el comportamiento de un receptor de azúcar que ayuda a controlar la acción del GRI.
Si bien algunos expertos habían calificado el proyecto como fallido, la respuesta obtenida en el mismo ha llevado a los investigadores a deducir que pueden utilizar su modelo para diseñar GRI novedosos, así como para predecir si un GRI podría funcionar o no en humanos, antes de comenzar ensayos clínicos que conllevan un importante esfuerzo económico. Michael Strano, profesor de Ingeniería Química del MIT y autor principal del proyecto, confirma que su modelo “reducirá el riesgo de la inversión que supone llevar este tipo de medicamentos a ensayos clínicos”.
¿CÓMO FUNCIONA EL MODELO?
Se trata de una forma de modelar computacionalmente el sistema glucorregulador de humanos y otros animales, a través de un conjunto de ecuaciones que describen cómo se comporta la glucosa y la insulina ante diferentes formas de actuar del cuerpo humano, atendiendo, por ejemplo, a los vasos sanguíneos, los músculos y el tejido adiposo. Así, los ingenieros pueden predecir los niveles de glucosa presentes en la sangre en órganos como el hígado, el estómago y el cerebro, en distintas especies de animales.
“Reducirá el riesgo de la inversión que supone llevar este tipo de medicamentos a ensayos clínicos”
Strano afirma que el modelo es “muy detallado” e incorpora “parámetros que se han ajustado con una gran cantidad de datos clínicos y de animales, por lo que es capaz de recrear fielmente experimentos que los investigadores realizan tanto en humanos como en animales”. Por ejemplo, el modelo puede predecir cómo cambiarán los niveles de azúcar en sangre después de una comida, o qué sucederá si se inyecta glucosa en el cuerpo, en función de la cantidad de insulina disponible.
HACIA EL DISEÑO DE MEDICAMENTOS MÁS EFICIENTES
El equipo de Strano decidió comprobar si su modelo computacional podía dar respuesta al porqué no funcionó en humanos. Así, aplicaron la teoría de su estudio a todos los datos disponibles sobre el sistema glucorregulador de los minicerdos de Yucatán.
Una vez utilizado el modelo, concluyeron que existían diferencias entre los minicerdos y los humanos respecto a la capacidad de eliminación del receptor de manosa, que hacía que los niveles de GRI no mostraran cambios significativos en humanos cuando había alteraciones en su nivel de glucosa. También demostró que, si la versión humana del receptor de manosa estuviera sintonizada para funcionar de manera similar a la de los minicerdos, probablemente el fármaco hubiera funcionado mucho mejor en los ensayos clínicos.
"El modelo es capaz de recrear fielmente experimentos que los investigadores realizan tanto en humanos como en animales"
Por el momento, el laboratorio de Strano está trabajando en otra versión optimizada del modelo computacional, que incorporaría los efectos del glucagón, la hormona que aumenta el nivel de glucosa en sangre y que puede prevenir una hipoglucemia potencialmente mortal. Asimismo, los investigadores han permitido que su modelo sea de código abierto para que otros científicos puedan utilizarlo en las comprobaciones de sus estudios con GRI, y anticiparse así a si sus ensayos en animales podrían tener un buen rendimiento en humanos.