Una herramienta predice qué genes podrían compensar fallos genéticos

Un equipo del Instituto de Investigación Biomédica de Málaga y Plataforma en Nanomedicina (IBIMA Plataforma BIONAND), el Departamento de Biología Molecular y Bioquímica de la Universidad de Málaga (UMA), el Centro de Investigación Biomédica en Red de Enfermedades Raras (CIBERER) y el Instituto Nacional de Bioinformática (INB/ELIXIR-ES), estos dos últimos vinculados al Instituto de Salud Carlos III, ha desarrollado un método computacional para predecir y priorizar genes que podrían compensar la pérdida de función de otros relacionados con enfermedades.

El trabajo, desarrollado por el grupo Bases Moleculares de los Sistemas Biológicos (SIBIUMA) de IBIMA y publicado en Artificial Intelligence in Medicine, se basa en la compensación genética funcional. En determinadas circunstancias, si un gen deja de funcionar correctamente, otro con una actividad similar puede asumir parte de su papel y reducir las consecuencias de la alteración.

Identificar estas relaciones podría permitir explorar estrategias que potencien el gen compensatorio, en lugar de actuar exclusivamente sobre el gen alterado. El equipo recurrió a la bioinformática, el análisis de redes y el aprendizaje automático para afrontar la complejidad de estudiar experimentalmente todas las posibles compensaciones entre genes.

Una metodología para priorizar genes candidatos

El sistema integra información de ocho grandes recursos biomédicos y, con ella, los investigadores construyeron 19 redes funcionales de genes. Entre los datos incluidos figuran las relaciones entre proteínas, las funciones biológicas de los genes, sus asociaciones con enfermedades y fenotipos, las rutas celulares en las que participan y la dependencia genética de células tumorales.

La herramienta convierte las relaciones entre miles de genes en representaciones matemáticas para detectar similitudes que pueden no ser evidentes con un análisis convencional. Para ello utiliza técnicas de representación de redes, conocidas como graph embeddings, entre ellas node2vec, y distintos métodos matemáticos de integración de datos.

El sistema no determina automáticamente que un gen vaya a compensar a otro. Su objetivo es reducir el número de candidatos que deben estudiarse en el laboratorio y situar primero aquellos que, según la información disponible, tienen mayor probabilidad de cumplir esa función. La metodología se apoya en NetAnalyzer, una herramienta del propio grupo para procesar y analizar redes biomédicas, ampliada en este estudio con nuevas técnicas de análisis y aprendizaje sobre grafos.

Pruebas en enfermedades genéticas y cáncer

Para evaluar el método, los investigadores lo probaron en enfermedades en las que ya se conocen genes capaces de compensar el fallo de otros. El sistema colocó entre sus principales candidatos genes compensatorios conocidos en tres casos: la distrofia muscular de Duchenne, la atrofia muscular espinal y la beta-talasemia. Según el estudio, este resultado muestra que la herramienta pudo reconocer relaciones genéticas ya demostradas y puede servir para buscar otras en distintas enfermedades.

La compensación genética también puede ser aprovechada por células tumorales para sobrevivir y adaptarse a ciertos tratamientos. Por ello, el equipo examinó su posible aplicación en cáncer y analizó casos conocidos en cáncer de próstata y de mama, en los que unos genes pueden asumir funciones de otros y contribuir a que las células tumorales sigan funcionando pese al tratamiento.

Identificar esos mecanismos podría ayudar a comprender por qué algunos tumores dejan de responder a determinados tratamientos y a buscar estrategias para combatir esa resistencia. El estudio plantea el uso del análisis de redes como un primer filtro: en lugar de probar experimentalmente todas las combinaciones posibles entre genes, permite orientar los experimentos hacia un grupo más reducido de candidatos.

Validación y límites del método

El trabajo muestra que las técnicas de análisis de redes pueden recuperar relaciones compensatorias conocidas. El siguiente paso, una vez identificados nuevos candidatos, será comprobar experimentalmente si la compensación se produce y en qué tejidos o tipos celulares.

Los autores señalan que estos mecanismos pueden variar según el tejido y el contexto celular. Además, el modelo se basa en la información disponible en bases de datos biológicas, por lo que los genes más estudiados pueden estar mejor representados que aquellos sobre los que hay menos información. La incorporación futura de datos de expresión génica específicos de distintos tejidos y de células individuales podría mejorar su capacidad predictiva.

Posibles aplicaciones terapéuticas

Desde el punto de vista terapéutico, localizar y validar un gen de respaldo podría abrir una vía distinta a reparar directamente el gen alterado. El equipo plantea estudiar cómo aumentar la actividad del gen compensatorio mediante pequeñas moléculas o herramientas terapéuticas basadas en ARN.

Estas aplicaciones corresponden a una etapa posterior. La función principal del sistema desarrollado es identificar y priorizar posibles dianas, que después deberán validarse mediante experimentos biológicos y estudios preclínicos. El trabajo ofrece así una herramienta para explorar de forma sistemática los mecanismos de compensación del genoma humano y sus posibles oportunidades terapéuticas.

Referencia bibliográfica: García-Criado F, Pérez-García J, Rojano E, Seoane-Zonjic P, Ranea JAG. Predicting gene compensation in disease with graph embedding techniques. Artif Intell Med. 2026 Nov;181:103505. doi: 10.1016/j.artmed.2026.103505. Epub 2026 Aug 20. PMID: 42632343.

La noticia en cifras