¿Pueden las nuevas tecnologías mejorar la reproducibilidad en neurociencia?

Introducción.

    Con frecuencia se confunde con otros términos como "replicabilidad" y "repetibilidad" , términos se han usado indistintamente en la literatura científica.   

       La repetibilidad es cuando se usa el mismo equipo y misma configuración experimental de modo que  una observación es repetible, cuando los científicos repiten el experimento utilizando el mismo equipo y condiciones, en múltiples ensayos y se obtienen los mismos resultados. 

     Por otros lados tenemos la replicabilidad que es cuando científicos con equipo s diferentes utilizan la misma configuración experimental. Si una observación es replicable, debe ser realizada por un equipo diferente repitiendo el experimento utilizando la misma configuración experimental y sistema de medición, bajo las mismas condiciones de operación, en la misma ubicación o en una ubicación diferente, en múltiples ensayos.

     Con esta introducción  hemos llegado al tema  que nos concierne: la reproducibilidad que es cuando científicos con equipos diferentes y configuraciones experimentales diferentes en lugares diferentes llegan a las mismas conclusiones y resultados.

Poder reproducir los hallazgos de otro grupo de científicos  es fundamental para poder dar  validación un descubrimiento científico. Si esto no es posible podrían publicarse estudios con resultados falsos influenciados por intereses y prejuicios financieros o de otro tipo, como podría ser ahora el interés  por sacar rápido una vacuna contra el COVID-19. Esto podría minar la base de la credibilidad y complicar la búsqueda hacia la verdad en la investigación científica.

Esto es un problema importante ya que en disciplinas como la neurociencia entre  los retos que se propone como es la búsqueda de soluciones a enfermedades neurodegeranerativas  es una afirmación preocupante, ya que el impacto de la falta de reproducibilidad es mayor quizás que en otras ciencias por lo complejo de su campo de estudio.

Para resolver algunas de estas cuestiones contamos con la presencia del científico Dr Neuro Crito Grande en nuestro estudio.

PREGUNTA: 

¿Con qué frecuencia escucha hablar de un "objetivo prometedor de un medicamento descubierto"? ¿O un "tratamiento innovador que se convertirá en el próximo remedio para esta o aquella enfermedad neurológica"?

Con tantos “descubrimientos” raportados, ¿no deberíamos tener un arsenal terapéutico para muchos pacientes que lo necesitan?

RESPUESTA: 

En 2011, los científicos de Bayer Prinz, Schlanger y Asadullah publicaron un trabajo sobre el tema de la reproducibilidad en el desarrollo farmacéutico para la oncología y las enfermedades cardiovasculares entre otras, destacando una gran brecha entre lo que se publica en  los laboratorios académicos y lo que se puede reproducir en los laboratorios industriales. Encuestaron a 23 científicos dentro de Bayer, cubriendo 67 proyectos tempranos (identificación y validación de objetivos) y encontraron que en solo aproximadamente en el 20-25% de los proyectos los datos publicados relevantes estaban completamente en línea con nuestros hallazgos.

PREGUNTA

Esta es una estadística preocupante para el mundo del descubrimiento de los fármacos. ¿Cómo pueden los científicos desarrollar fármacos para enfermedades neurodegenerativas como el Alzheimer o Parkison de una manera científicamente reproducible si hay  falta de confianza en los hallazgos científicos?

RESPUESTA

Para ello es necesario disponer de tecnología de alta reproducibilidad, que en la experimentación con neuronas, por ejemplo, es bastante complicado. Por un lado, los científicos están trabajando con sistemas biológicos que son inherentemente variables. En segundo lugar, pueden estar trabajando a escalas que dificultan la realización de grandes cantidades de estudios repetidos, debido a la cantidad de tejido que requieren y al costo derivado de dichos estudios.

Para mejorar esto las empresas están desarrollando kits standard para facilitar mejores investigaciones mejores, más rápidas y más reproducibles.

Por ejemplo, en el desarrollo biofarmacéutico, los científicos necesitan purificar y luego caracterizar la calidad y la estabilidad de sus muestras. Ser capaz de hacer esto de manera rápida, fiable y reproducible, usando muestras de pequeñísimas, de microlitros, puede acelerar el desarrollo de productos biológicos como terapéuticos.

PREGUNTA

¿Y en el campo de la neurociencia? ¿nos encontramos con más o menos problemas de esa naturaleza? Porque estudiar el sistema nervioso…

RESPUESTA:

En la industria farmacéutica de neurociencia, los sistemas modelo son importantes para la reproducibilidad. La obtención  de modelos fisiológicamente relevantes permite a los científicos probar si los compuestos tienen un efecto biológico deseado. Por ejemplo, al cultivar neuronas en placas de múltiples pocillos, los científicos pueden probar compuestos individuales en diferentes concentraciones por pocillo para ver cómo un medicamento interactúa con un objetivo o altera el mecanismo de una enfermedad. De esta manera, pueden cuantificar varios parámetros medibles para ver si un fármaco tiene un efecto deseado sobre el fenotipo neuronal, mejorando sus posibilidades de proceder mediante pruebas preclínicas.

Un ejemplo de ello son los cultivos de neuronas primarias ya que son un modelo fisiológicamente relevante porque recapitulan muchas de las características de las neuronas maduras y, cuando es relevante, se pueden obtener de un modelo de ratón o rata que recapitula una enfermedad.

En este sentido se hacen experimentos que utilizan lecturas basadas en imágenes de alto rendimiento. Se realizan cultivos primarios en placas con múltiples pocillos y se pueden  probar muchos compuestos por ciclo experimental.

Estudiando las lecturas basadas en imágenes se puede cuantificar el número de células, el crecimiento de neuritas e incluso la densidad de sinapsis, por ejemplo, con un mayor rendimiento en comparación con la mayoría de los estudios académicos.

PREGUNTA:

¿Pero esto mejora la reproducibilidad?

RESPUESTA 

La naturaleza automatizada de los sistemas de imágenes de alto rendimiento permite al usuario obtener imágenes de muchos campos del mismo pozo, reduciendo así la variación de pozo a pozo causada por un bajo número de muestras. Por lo tanto, se obtienen datos de muchas más celdas por pozo y, por lo tanto, se obtienen un valor medio más preciso para ese pozo.  Es importante destacar que la utilización de  algoritmos automatizados de análisis de imágenes eliminan cualquier sesgo del usuario del proceso de análisis.

PREGUNTA

Según lo que nos ha explicado es fácil ver cómo este enfoque de alto rendimiento mejora la replicabilidad y la repetibilidad, pero no la reproducibilidad verdadera porque ello  requeriría que las empresas compartan reactivos, células y compuestos para las pruebas cruzadas…

Dado el entorno competitivo de descubrimiento y desarrollo de nuevos fármacos, parece poco probable que esto pueda suceder. ¿Se puede lograr la verdadera reproducibilidad en el mundo del descubrimiento de fármacos?

RESPUESTA

De hecho, puede.

Se cree que las neuronas derivadas de las células madre pluripotentes inducidas (iPSC) son el próximo ensayo estándar de oro para el desarrollo de fármacos, como un modelo más fisiológicamente relevante que puede recapitular mejor la enfermedad humana. Sin embargo, la diferenciación y el desarrollo de iPSCs en neuronas maduras requiere una inducción cuidadosa, es un proceso lento y sufre de variabilidad.

Previendo el poder del uso de las neuronas humanas en los ensayos de descubrimiento y desarrollo de fármacos, un grupo público-privado de 25 institutos en toda Europa creó el Banco Europeo de Células Madre Pluripotentes Inducidas (EBiSC), en 2015. Esta iniciativa fue diseñada para abordar la creciente demanda para líneas iPSC de calidad de investigación, relevantes para la enfermedad, de grado de investigación, datos y servicios celulares.

Los grupos involucrados trabajaron en el espacio precompetitivo y colaboraron para generar un banco de células que permitirá una plataforma estandarizada sobre la cual construir ensayos significativos para el desarrollo de medicamentos.

PREGUNTA

¿Y se ha puesto en común algún procedimiento standard ya a día de hoy?

RESPUESTA

En un estudio reciente se ha publicado un un ensayo escalable compatible con sistemas de imágenes de alto rendimiento para detectar agregados de proteína tau utilizando neuronas derivadas de iPSC.

La proteína Tau se agrupa en ovillos neurofibrilares, que son uno de los sellos distintivos de la patología de la enfermedad de Alzheimer. El desarrollo de un ensayo para detectarlos de manera de alto rendimiento, en las neuronas humanas, es un método poderoso para evaluar los candidatos a la terapia de Alzheimer.

Se utilizaron células madre de diferentes fuentes, y diferentes científicos probaron los ensayos de forma independiente, en diferentes momentos, para garantizar una mejor reproducibilidad.

CIERRE

Como hemos podido ver, los científicos están trabajando para mejorar la reproducibilidad en muchos de sus ensayos y experimentos que antes eran impensables. Para ello cuentan con el apoyo de las empresas privadas a la hora de  desarrollar herramientas que lo favorezcan, proceso en el cual las tecnologías de alto rendimiento están asumiendo un papel fundamental.