Un mapa de proteínas ayuda a buscar combinaciones más selectivas contra el cáncer

Un estudio en Nature propone mirar qué proteínas están juntas en la superficie de células tumorales para encontrar combinaciones terapéuticas más precisas.

Por Redacción Ciencias.UY 11 de setiembre de 2026 a las 12:00 3 min de lectura
Imagen: Scandore et al. / Nature, 2026 CC BY-NC-ND 4.0 Fuente de imagen
Diagrama del mapeo de proteínas cercanas en la superficie celular y su uso para identificar pares de dianas en tumores.

Las terapias dirigidas contra el cáncer buscan distinguir las células tumorales de las sanas, pero esa frontera rara vez depende de una sola proteína. Muchas moléculas de la superficie celular se parecen entre tejidos, y atacar solo una puede dejar poco margen para elegir con precisión. Un estudio publicado en Nature propone añadir otra pista a esa búsqueda: no solo qué proteínas aparecen en una célula, sino cuáles suelen estar físicamente cerca unas de otras.

La idea se parece a reconocer un barrio en vez de una casa aislada. Dos proteínas que están muy próximas en la membrana de una célula tumoral pueden formar una combinación más característica que cualquiera de ellas por separado. Si esa vecindad no se repite con la misma frecuencia en células sanas, podría ayudar a diseñar tratamientos que apunten a ambas señales a la vez.

Para estudiar esas vecindades, el equipo desarrolló un método de mapeo de proximidad en la superficie celular. Usaron marcas químicas para registrar proteínas cercanas a receptores elegidos y reunieron 248 mapas de 12 receptores en 28 sistemas de células tumorales. Después aplicaron un análisis de redes, llamado MetaMap, para encontrar comunidades de proteínas que aparecían juntas de forma consistente y diferían entre tipos de células.

Los autores llaman a estas posibles parejas “antígenos de proximidad asociados a tumores”. No son necesariamente proteínas nuevas: la novedad es considerar su organización espacial. En los enfoques habituales, una proteína se prioriza sobre todo porque está más presente en el tumor que en otros tejidos. El nuevo atlas intenta sumar información sobre su vecindad, una característica que podría ser igual de importante para decidir si una diana es útil.

Como prueba de concepto, el grupo identificó una combinación formada por EGFR y CDCP1. Ambas proteínas ya se habían estudiado por separado en distintos tumores. En los experimentos del trabajo, dirigir terapias contra el par aumentó la eliminación de células tumorales frente a estrategias que no aprovechaban esa combinación, en varios formatos de tratamiento. El estudio incluyó ensayos preclínicos, por lo que el resultado sirve para evaluar una estrategia de diseño y no para afirmar que exista una terapia lista para pacientes.

La relevancia del método está en que podría ampliar el repertorio de blancos para anticuerpos, conjugados que llevan fármacos hasta un tumor o terapias celulares diseñadas para reconocer señales concretas. Combinar dos marcadores podría reducir el riesgo de atacar células que comparten solo uno de ellos con el tumor. También podría ayudar a enfrentar un problema frecuente en oncología: los tumores no son uniformes y pueden cambiar qué proteínas muestran mientras crecen o se vuelven resistentes.

Quedan pasos importantes antes de trasladar esta idea a la clínica. Los mapas se obtuvieron en sistemas experimentales y la combinación EGFR-CDCP1 deberá estudiarse en más tipos de tumores, tejidos sanos y contextos de tratamiento. Además, que dos proteínas estén cerca no garantiza por sí solo que una terapia contra ambas sea segura o eficaz. El trabajo, sin embargo, ofrece una forma concreta de convertir la distribución espacial de las proteínas en una pregunta terapéutica comprobable.

Imagen

Scandore et al. / Nature, 2026 · CC BY-NC-ND 4.0 · Fuente de imagen

Cita original

Scandore, C., Malone, C. F., May, C. K., de Regt, A. K., Guernsey, J., Ma, H., Dephoure, N., Setter, B., Howell, R. A., Johnson, K. R., Farr, C. L., Romero, S., Vignale, L., Vittum, T., Dawson, E., Habtetsion, T., Nardi, F., Woodruff, B., Mathay, M., … Fadeyi, O. O. (2026). Proximity-guided graph learning reveals tumour-associated proximity antigens. Nature, 1-11. https://doi.org/10.1038/s41586-026-11003-7

Relacionadas por categoría

Ver mas

Más de la misma fuente

Ver mas

Más del mismo autor

Ver mas