Análisis de la interacción entre las vías de señalización mediadas por AKT y MAPK/ERK en el metabolismo de la glucosa

Abstract

La restenosis de stent coronario es un proceso fisiopatológico en el que la túnica vascular se inflama como respuesta a la colocación de dicho stent, reduciendo el diámetro efectivo de la luz vascular. Con el objetivo de evitar la restenosis se utiliza típicamente everolimus, un inhibidor de la cascada AKT/mTOR. Sin embargo, debido a las complicaciones asociadas que este fármaco conlleva, es de gran interés encontrar dianas terapéuticas alternativas. En este contexto surge el PAP-1 un bloqueante del canal de potasio dependiente de voltaje Kv1.3. Según estudios recientes, el bloqueo de este canal está relacionado con la inhibición de la vía de señalización MAPK/ERK. Ambos fármacos funcionan bien por separado, sin embargo, al utilizarlos conjuntamente su efecto se desvanece. Las vías de señalización de AKT/mTOR y MAPK/ERK son dos cascadas tremendamente implicadas tanto en la proliferación como en la migración celular, con lazos de realimentación complejos y una interacción cruzada (crosstalk) que dificulta su interpretabilidad. Debido a esto se plantea el desarrollo y utilización de modelos computacionales basados en ecuaciones diferenciales para tratar de encontrar la interacción concreta que causa estos resultados. A causa de que se busca un comportamiento general del modelo, no cuantitativo, se propone eliminar los parámetros y constantes asociados a las ecuaciones, simplificando las interacciones y facilitando la explicabilidad del modelo. Se parte desde un modelo base definido como un sistema de siete ecuaciones diferenciales, cada una de las cuales hace referencia a la tasa de fosforilación (activación) de una proteína en concreto, habiendo elegido como proteínas más relevantes PI3K, AKT, mTOR y P70S6K de la vía de AKT/mTOR y Ras, MEK y ERK de la vía MAPK/ERK. A este sistema se le realizan pequeños cambios para obtener otros tres modelos iniciales. Para medir la respuesta del modelo, se utiliza la concentración activa de la proteína P70S6K. A partir de estos modelos, se realiza el análisis exhaustivo de todos los modelos generados al añadir una proteína intermedia que sea estimulada o inhibida por un máximo de otras dos proteínas previamente definidas del modelo, y que ejerza su acción sobre otras dos proteínas. Tras el estudio de más de 30000 modelos distintos por este método, se comprueba que ninguno consiguió replicar los resultados que se observan en las células reales. Por tanto, se entiende que alguno de los planteamientos de base no era correcto, centrando las miradas en la elección del output o las interacciones intermedias planteadas. Tomando inspiración del problema XOR sufrido por los precursores del Deep Learning, se sugiere utilizar dos proteínas para tratar de explicar el crosstalk entre las dos vías al igual que se utilizaron dos capas ocultas en las redes neuronales para solventar su problema. Ante la imposibilidad de probar todas las combinaciones posibles como en el caso de una única proteína, se opta por una búsqueda inteligente basándose en los principios del álgebra booleana. De esta forma se desarrollan dos modelos funcionales, que se diferencian en su output. En uno de ellos se sigue utilizando P70S6K como output, mientras que en el otro se utiliza una salida con un mayor grado de abstracción que consiste en la combinación de esta proteína con otra de la vía de ERK. Ambos modelos consiguen replicar el comportamiento observado en la realidad mediante mecanismos distintos, por lo que será necesario realizar pruebas adicionales para validar si alguno de los dos es correcto, principalmente el análisis de la expresión de P70S6K en células que han sido incubadas solamente con PAP-1.