¿Puede la evidencia genética humana predecir el éxito de los fármacos? Un nuevo análisis ofrece una respuesta más cauta

El desarrollo de fármacos depende cada vez más de la genética humana: si un gen tiene una asociación clara con el riesgo de una enfermedad, en teoría, diseñar un fármaco dirigido contra él debería tener más posibilidades de acertar en la causa de la enfermedad. Esta intuición ha sostenido numerosas estrategias de inversión e I+D, pero un nuevo análisis señala que, aunque la evidencia genética está relacionada con la aprobación de fármacos, no necesariamente puede convertirse por sí sola en un predictor fiable del éxito.

Esta prepublicación, publicada el 12 de junio en arXiv y aún no revisada por pares, analizó 26,278 pares de “diana farmacológica-enfermedad” en las bases de datos Open Targets y ChEMBL. El estudio mostró que los pares con asociaciones genéticas humanas tenían una tasa de aprobación de fármacos más alta que aquellos sin ese tipo de evidencia; en el análisis a nivel de par, la razón de momios fue de 3.25, lo que indica una asociación clara entre ambos.

Pero cuando los autores ajustaron más a fondo la unidad de análisis, el panorama se volvió más matizado. Al pasar al nivel de diana farmacológica, para evitar que el mismo gen apareciera repetidamente en múltiples pares de enfermedades y amplificara la señal, la razón de momios global cayó a 2.79; el área de oncología fue especialmente notable: la cifra que en el nivel de pares parecía alcanzar 6.72 bajó a 2.71 tras el ajuste. Esto sugiere que algunas diferencias por área que parecen intensas podrían provenir en parte de la propia estructura de los datos, y no ser enteramente efectos biológicos.

Otro problema clave es la filtración de datos. Tras separar y examinar seis tipos de evidencia, el estudio encontró que la minería bibliográfica aportaba casi la mayor parte del rendimiento del modelo de clasificación; sin embargo, los fármacos ya aprobados y las dianas populares suelen generar más publicaciones posteriores, y esos registros de publicación podrían introducir en el modelo predictivo “conocimiento que apareció solo después del éxito”. Después de excluir la minería bibliográfica, las demás evidencias siguieron por encima del punto de referencia, pero la señal se redujo, lo que muestra que los datos genéticos no son completamente inútiles, pero tampoco son la bola de cristal imaginada.

El estudio también examinó fármacos aprobados después de 2015 y encontró que la asociación entre evidencia genética y éxito aún podía reproducirse. No obstante, los autores también señalaron que la evidencia genética por sí sola solo aumentó el AUPRC absoluto del modelo en alrededor de 1.0 punto porcentual, y que la calibración del mejor modelo tampoco fue ideal. En otras palabras, quizá pueda elevar la tasa media de éxito de una cartera de investigación, pero difícilmente puede decirle a un equipo de I+D si una diana candidata concreta realmente superará las pruebas clínicas y regulatorias.

El valor de este análisis quizá no esté en refutar el papel de la genética en el desarrollo de fármacos, sino en trazar sus límites. Los autores recopilaron 1,433 pares diana-enfermedad con respaldo genético que aún se encuentran en fase clínica I o II, que pueden servir como recurso para generar hipótesis posteriores; pero todos los resultados pertenecen a un análisis observacional y no pueden demostrar que la evidencia genética en sí misma cause el éxito de los fármacos. Para la industria biotecnológica, es un recordatorio pragmático: la genética humana puede ayudar a reducir el espacio de búsqueda, pero no puede sustituir a la biología de la enfermedad, el diseño clínico ni la evaluación de seguridad.