Desarrollar nuevos fármacos contra el cáncer es un proceso complejo y largo, que incluye múltiples fases de experimentación en laboratorio, modelos animales y ensayos clínicos en humanos para demostrar eficacia y seguridad. Por ello, una estrategia cada vez más utilizada es la reutilización de fármacos ya aprobados para otras enfermedades, dándoles una nueva aplicación en oncología. Sin embargo, el reto es enorme: la gran diversidad de fármacos disponibles y la complejidad de los procesos biológicos que intervienen en los tumores hacen que esta búsqueda no sea sencilla.

Figura 1. Resumen de la metodología desarrollada para la búsqueda de patrones significativos dentro de las secuencias de aminoácidos de cáncer de pulmón con el objetivo de reposicionar fármacos entre distintos tipos de cáncer.

Un grupo de investigadores del laboratorio MEDAL de la Universidad Politécnica de Madrid, liderado por el catedrático Alejandro Rodríguez González, se ha propuesto un reto ambicioso: identificar en las proteínas implicadas en el cáncer de pulmón no microcítico (el más común de los cánceres de pulmón que supone entre el 80 y el 90% de los casos), patrones que se repiten en otros tipos de cánceres para los que sí hay fármacos aprobados y así dar una “oportunidad” a esos fármacos también en el cáncer de pulmón, contando para ello con la ayuda de una novedosa técnica de análisis computacional.

“El objetivo principal del estudio fue desarrollar y validar un enfoque computacional capaz de detectar patrones relevantes en las secuencias de aminoácidos de proteínas diana de fármacos para tratar el cáncer de pulmón no microcítico (NSCLC). Nuestro objetivo era identificar similitudes moleculares entre las proteínas asociadas a este tipo de cáncer y las proteínas asociadas a otros tipos de cáncer con el fin de explorar oportunidades de reposicionamiento farmacológico basado en características compartidas a nivel de secuencia proteica”, explica Dr. Belén Otero Carrasco, investigadora del grupo MEDAL de la UPM y autora principal de este trabajo.

Figura 2. Representación de un potencial caso de reposicionamiento de fármacos obtenido mediante la metodología desarrollada. Un fármaco usado para tratar cáncer de pulmón como candidato potencial para tratar cáncer de mama y colon.

La metodología utilizada por los investigadores permitió identificar patrones en secuencias de aminoácidos específicos que se repiten en proteínas diana de fármacos para NSCLC y en proteínas implicadas en otros tipos de cáncer, como el de mama, colon, páncreas y cabeza y cuello.

 “Estos patrones, algunos poco frecuentes, pero altamente conservados, revelan posibles relaciones funcionales y estructurales entre proteínas que no habían sido previamente asociadas. Además, los resultados fueron respaldados por evidencia en la literatura científica, lo que valida el potencial de este enfoque para descubrir nuevas conexiones terapéuticas”, añade la investigadora.

Más allá del cáncer

Para los investigadores, la importancia del método propuesto radica en que permite detectar casos bien establecidos de reposicionamiento de fármacos, pero también identificar asociaciones novedosas entre proteínas y tratamientos, abriendo nuevas posibilidades terapéuticas, no solo aplicables al cáncer.

“Este enfoque computacional representa una herramienta prometedora para acelerar la identificación de nuevas aplicaciones terapéuticas de fármacos ya existentes, reduciendo significativamente el tiempo y el coste asociados al desarrollo de nuevos tratamientos oncológicos”, explica Dr. Otero Carrasco.  “Además de su aplicación en cáncer, la metodología puede adaptarse al estudio de otras enfermedades complejas (por ejemplo, enfermedades inmunes o raras). Su capacidad para revelar relaciones moleculares previamente no conocidas entre proteínas tiene implicaciones tanto para la medicina personalizada como para la optimización de estrategias terapéuticas en múltiples patologías”, concluye.

Referencia: Otero-Carrasco B, Nevado PT, Muñoz RA, Ferreiro GD, Pérez AP, Caraça-Valente Hernández JP, Rodríguez-González A. Finding patterns in lung cancer protein sequences for drug repurposing. PLoS One. 2025 May 7;20(5):e0322546. doi: 10.1371/journal.pone.0322546. PMID: 40334012; PMCID: PMC12058034.