Modelos Animales y Tratamiento In Silico: Cerrando Brechas en la Investigación
Evaluar modelos animales con IST mejora las pruebas de medicamentos y la comprensión de enfermedades.
― 9 minilectura
Tabla de contenidos
- El papel de los modelos animales en la Investigación
- Elegir el modelo animal adecuado
- Mecanismos de enfermedad entre especies
- Desafíos en la evaluación de la idoneidad del modelo
- Introducción al Tratamiento In Silico (IST)
- Cómo funciona IST
- Estudios de caso: Fibrosis Pulmonar Idiopática (IPF) y Esteatosis Hepática No Alcohólica (NASH)
- Evaluación de modelos para IPF
- Evaluación de modelos para NASH
- La importancia de la evaluación a nivel de gen
- Evaluación de tratamientos con IST
- Hallazgos comunes entre enfermedades
- Desafíos y limitaciones
- Conclusión
- Fuente original
- Enlaces de referencia
Los Modelos Animales son clave para estudiar Enfermedades humanas. Ayudan a los investigadores a probar nuevos medicamentos antes de pasar a costosas pruebas en humanos. Sin embargo, los resultados de los animales no siempre coinciden con lo que pasa en los humanos. Esto puede deberse a las diferencias en cómo las enfermedades afectan a diferentes especies. Por lo tanto, elegir el modelo animal correcto para una enfermedad específica puede ser complicado. Hay que equilibrar preocupaciones éticas sobre el uso de animales, costos y qué tan bien el modelo animal representa la condición humana.
Investigación
El papel de los modelos animales en laLos modelos animales imitan enfermedades humanas lo suficiente como para que los investigadores puedan obtener información sobre los mecanismos de la enfermedad y posibles Tratamientos. Permiten a los científicos estudiar la progresión de la enfermedad y probar la seguridad y efectividad de los medicamentos antes de las pruebas clínicas en humanos. A pesar de su importancia, las transiciones exitosas de estudios en animales a aplicaciones humanas pueden ser inconsistentes.
Algunos tratamientos que funcionan bien en modelos animales fracasan en pruebas humanas, principalmente debido a diferencias en las respuestas biológicas. Por ejemplo, un medicamento que muestra promesa en un modelo de ratón puede no tener el mismo efecto en humanos. Por eso, entender qué modelo animal representa mejor una enfermedad es esencial para el desarrollo exitoso de medicamentos.
Elegir el modelo animal adecuado
Elegir un modelo animal apropiado requiere considerar varios factores. Estos incluyen principios éticos sobre las pruebas en animales, implicaciones financieras y la capacidad del modelo para replicar la enfermedad humana. Diferentes especies animales pueden mostrar varios mecanismos de enfermedad, lo cual puede afectar la traducción de los hallazgos de la investigación a humanos.
Los investigadores a menudo usan varios animales, incluidos ratones y ratas, debido a sus similitudes genéticas y biológicas con los humanos. Sin embargo, el grado en que los hallazgos de estos modelos se aplican a condiciones humanas puede variar bastante.
Mecanismos de enfermedad entre especies
Entender cómo funcionan las enfermedades en diferentes especies es vital. Algunos modelos animales pueden representar aspectos específicos de una enfermedad humana con precisión, mientras que otros pueden no hacerlo. Por ejemplo, algunos mecanismos moleculares involucrados en una enfermedad pueden estar poco representados en ciertos modelos animales.
Además, la traducción de hallazgos de animales a humanos requiere entender si los procesos clave de la enfermedad se conservan entre especies. Esta comprensión ayuda a identificar qué modelos animales usar para enfermedades humanas específicas y medicamentos.
Desafíos en la evaluación de la idoneidad del modelo
Un problema continuo es cómo cuantificar la idoneidad de los modelos animales según sus datos biológicos. Por ejemplo, investigaciones anteriores han mostrado resultados contradictorios al comparar modelos de ratón con enfermedades inflamatorias humanas, destacando la dificultad de seleccionar la mejor representación de las condiciones humanas.
Para navegar estos desafíos, los investigadores están desarrollando herramientas computacionales que evalúan sistemáticamente qué tan bien diferentes modelos animales reflejan enfermedades humanas. Estas herramientas pueden analizar las acciones moleculares y sistémicas de los medicamentos, aumentando las posibilidades de resultados exitosos.
Introducción al Tratamiento In Silico (IST)
Un nuevo enfoque para abordar estos desafíos es el marco del Tratamiento In Silico (IST). Esta herramienta computacional ayuda a analizar datos de expresión genética tanto de humanos como de modelos animales. IST observa la expresión de genes involucrados en enfermedades específicas para evaluar cuán de cerca los modelos animales se alinean con las condiciones humanas.
Al comparar los cambios en la expresión genética en pacientes humanos con los observados en modelos animales, IST cuantifica la superposición entre ambos. Esto permite a los investigadores determinar qué modelos animales son más adecuados para estudiar enfermedades particulares o probar tratamientos de medicamentos. Además, IST predice si ciertos tratamientos de medicamentos podrían revertir los cambios relacionados con la enfermedad en la expresión genética humana.
Cómo funciona IST
IST procesa datos en varios pasos. Primero, utiliza datos de expresión genética de humanos para crear modelos que diferencian entre individuos sanos y aquellos con enfermedad. Luego, simula los cambios en la expresión genética de los modelos animales sobre los datos humanos. Finalmente, evalúa qué tan bien los cambios simulados se alinean con los perfiles de expresión de enfermedad en humanos.
La salida de IST incluye una medida cuantitativa que indica qué tan bien cada modelo animal captura los cambios observados en humanos. IST también proporciona información a nivel de gen, mostrando qué genes específicos contribuyen a la alineación general entre modelos animales y condiciones humanas.
Estudios de caso: Fibrosis Pulmonar Idiopática (IPF) y Esteatosis Hepática No Alcohólica (NASH)
IST se ha aplicado a enfermedades como la Fibrosis Pulmonar Idiopática (IPF) y la Esteatosis Hepática No Alcohólica (NASH). La IPF es una enfermedad pulmonar grave caracterizada por cicatrices anormales en el tejido pulmonar, mientras que la NASH es una enfermedad hepática marcada por la acumulación de grasa que lleva a inflamación y fibrosis.
En estos casos, IST evalúa varios modelos animales para determinar cuáles representan mejor el estado de la enfermedad humana. Al comparar los cambios en la expresión genética observados en modelos animales con los de pacientes humanos, los investigadores pueden identificar modelos que ofrezcan una base más confiable para las pruebas de medicamentos y la comprensión de los mecanismos de la enfermedad.
Evaluación de modelos para IPF
Para la IPF, existen múltiples modelos animales. Uno implica administrar una toxina a ratones, causando una lesión pulmonar similar a la IPF en humanos. Los investigadores evalúan los cambios en la expresión genética en varios puntos temporales para identificar qué modelo refleja mejor la progresión de la enfermedad humana.
IST ayuda a cuantificar cuán de cerca estos modelos animales reflejan el estado de la enfermedad en humanos. Evalúa qué tan bien los cambios específicos en la expresión genética en ratones se alinean con los vistos en pacientes humanos con IPF. Al identificar modelos que muestran fuertes similitudes, IST ayuda a seleccionar los modelos animales más apropiados para la investigación preclínica.
Evaluación de modelos para NASH
En el caso de NASH, se utilizan varios modelos animales que replican aspectos de la enfermedad, incluidos cambios dietéticos y lesiones hepáticas tóxicas. Los investigadores emplean IST para comparar los perfiles de expresión genética de estos modelos con los observados en pacientes humanos en diferentes etapas de fibrosis hepática.
Con IST, los investigadores pueden determinar qué tan bien cada modelo representa los cambios moleculares asociados con la progresión de NASH. Esta información ayuda a elegir el modelo más adecuado para estudios futuros dirigidos a probar nuevos tratamientos.
La importancia de la evaluación a nivel de gen
IST permite una evaluación detallada a nivel de gen de cómo los modelos animales corresponden a la enfermedad humana. Al evaluar las contribuciones de genes individuales a la representación general de la enfermedad en los modelos animales, los investigadores pueden descubrir mecanismos moleculares específicos que pueden diferir entre especies.
Esta perspectiva a nivel de gen ayuda a identificar qué modelos son los más adecuados para un enfoque terapéutico específico o para comprender un aspecto particular de la patología de la enfermedad. Facilita una selección más informada de modelos animales para la investigación preclínica.
Evaluación de tratamientos con IST
Además de evaluar modelos animales, IST puede evaluar la efectividad de tratamientos potenciales. Al comparar los cambios en la expresión genética entre modelos animales tratados y no tratados, los investigadores pueden medir si un tratamiento revierte los patrones de expresión genética relacionados con la enfermedad.
Por ejemplo, en estudios de NASH, se ha utilizado IST para evaluar los efectos potenciales de medicamentos sobre la expresión genética hepática. Al identificar hasta qué punto un tratamiento puede revertir los cambios genéticos asociados con la enfermedad, IST proporciona información valiosa sobre el potencial terapéutico de nuevos medicamentos.
Hallazgos comunes entre enfermedades
Aunque la IPF y la NASH son enfermedades diferentes, hay similitudes en sus análisis usando IST. Por ejemplo, biomarcadores específicos relacionados con la fibrosis, como TIMP1, muestran contribuciones significativas en ambas enfermedades. IST destaca estos marcadores compartidos, sugiriendo que la información obtenida en una condición puede informar estrategias de tratamiento para la otra.
Desafíos y limitaciones
A pesar de la promesa del IST, hay algunas limitaciones. El enfoque depende de datos de alta calidad de estudios en humanos y animales para una comparación precisa. Además, la metodología asume que los mecanismos moleculares se conservan entre especies, lo cual no siempre puede ser el caso.
Además, IST analiza principalmente datos de expresión genética, lo que puede pasar por alto otros factores cruciales que influyen en la progresión de la enfermedad. Para mejorar su utilidad, IST podría necesitar integrar otros tipos de datos moleculares, como niveles de proteínas o comportamientos celulares, para proporcionar una imagen más completa de los mecanismos de la enfermedad.
Conclusión
IST representa un avance significativo en el esfuerzo por cerrar la brecha entre los modelos animales y las enfermedades humanas. Al comparar sistemáticamente los cambios en la expresión genética entre especies, permite a los investigadores tomar decisiones más informadas sobre la selección de modelos animales y la evaluación de tratamientos. A medida que el desarrollo de medicamentos continúa enfrentando desafíos para traducir hallazgos de estudios en animales a la práctica clínica, herramientas como IST ofrecen soluciones prometedoras para mejorar las tasas de éxito y reducir los costos asociados con la investigación preclínica.
El uso de IST y enfoques computacionales similares podría llevar a mejores candidatos a medicamentos, mejorando nuestra capacidad para tratar efectivamente enfermedades humanas complejas. A medida que la investigación evoluciona, refinar estas herramientas e integrar diversos tipos de datos será crucial para avanzar en la ciencia médica y mejorar los resultados de los pacientes.
Título: In Silico Treatment: a computational framework for animal model selection and drug assessment
Resumen: The translation of findings from animal models to human disease is a fundamental part in the field of drug development. However, only a small proportion of promising preclinical results in animals translate to human pathophysiology. This underscores the necessity for novel data analysis strategies to accurately evaluate the most suitable animal model for a specific purpose, ensuring cross-species translatability. To address this need, we present In Silico Treatment (IST), a computational method to assess translation of disease-related molecular expression patterns between animal models and humans. By simulating changes observed in animals onto humans, IST provides a holistic picture of how well animal models recapitulate key aspects of human disease, or how treatments transform pathogenic expression patterns to healthy ones. Furthermore, IST highlights particular genes that influence molecular features of pathogenesis or drug mode of action. We demonstrate the potential of IST with three applications using bulk transcriptomics data. First, we assessed two mouse models for idiopathic pulmonary fibrosis (IPF): one involving injury with intra-tubular Bleomycin exposure, and the other Adeno-associated-virus-induced, TGF{beta}1-mediated tissue transformation (AAV6.2-TGF{beta}1). Both models exhibited gene expression patterns resembling extracellular matrix derangement in human IPF, whereas differences in VEGF-driven vascularization were observed. Second, we confirmed known features of non-alcoholic steatohepatitis (NASH) mouse models, including choline-deficient, l-amino acid-defined diet (CDAA), carbon tetrachloride hepatotoxicity injury (CCl4) and bile duct ligation surgery (BDL). Overall, the three mouse models recapitulated expression changes related to fibrosis in human NASH, whereas model-specific differences were found in lipid metabolism, inflammation, and apoptosis. Third, we reproduced the strong anti-fibrotic signature and induction of the PPAR signaling observed in the Elafibranor experimental treatment for NASH in the CDAA model. We validated the contribution of known disease-related genes to the findings made with IST in the IPF and NASH applications. The complete data integration IST framework, including an interactive app to integrate and compare datasets, is made available as an open-source R package. Author summaryPreclinical testing plays a pivotal role in the drug development process, serving as a crucial evaluation phase before a new drug can be tested on humans in clinical trials. The drug must undergo a rigorous evaluation in in vivo and in vitro preclinical studies to assess its safety and efficacy. However, positive outcomes in preclinical animal models do not always translate to positive results in humans, mainly due to biological differences. Therefore, selecting an animal model that closely mirrors human disease traits and detecting and accounting for model limitations is of paramount importance. Over the last decade, the availability of gene expression data in both animals and humans has substantially increased. Gene expression states and perturbations are routinely employed as a proxy to predict and understand changes in disease states. Here, we developed In Silico Treatment, a computational method designed to overlay the gene expression changes observed in animals onto humans, quantifying the change in human disease status. We applied this method to mouse models for idiopathic pulmonary fibrosis and non-alcoholic steatohepatitis, two severe fibrotic diseases. We successfully identified known features of the disease models and provide a granular gene-level rationale behind our predictions. Consequently, our method shows promise as an effective approach to improve animal model selection and thus clinical translation.
Autores: Holger Klein, S. Picart-Armada, K. Becker, M. Kaestle, O. Krenkel, E. Simon, S. Tenbaum, B. Strobel, K. Geillinger-Kaestle, K. Fundel-Clemens, D. Matera, K. Lincoln, J. Hill, C. Viollet, R. Streicher, M. Thomas, J. N. Jensen, C. Haslinger, M. Werner, H. Huber, A. Broermann, F. Fernandez-Albert
Última actualización: 2024-06-17 00:00:00
Idioma: English
Fuente URL: https://www.biorxiv.org/content/10.1101/2024.06.17.599264
Fuente PDF: https://www.biorxiv.org/content/10.1101/2024.06.17.599264.full.pdf
Licencia: https://creativecommons.org/licenses/by/4.0/
Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.
Gracias a biorxiv por el uso de su interoperabilidad de acceso abierto.