1
00:00:00,000 --> 00:00:13,699
Muchas gracias por la presentación, muchas gracias por la invitación Javier y Camila, y para mí también es un placer poder aprovechar la parte positiva de esta pandemia que, como sabemos, todo lo demás es bastante negativo,

2
00:00:14,300 --> 00:00:24,199
pero por lo menos ha permitido este tipo de conexiones que no estaban tan de moda en otras épocas, y ahora nos permite conectarnos con gente que está en cualquier lugar,

3
00:00:24,199 --> 00:00:31,579
porque da lo mismo hablar desde Copenhague, desde Barcelona, desde Aranjuez, y bueno, por lo menos tenemos esa ventaja.

4
00:00:32,539 --> 00:00:42,380
Os voy a hablar básicamente de nuestro trabajo y de tres temas concretos, tres ejemplos, para mostrar un poco de qué va esto.

5
00:00:43,000 --> 00:00:49,219
Si hay cosas que no sabéis o que no entendéis y queréis interrumpir, no tengo problema, o si no las hablamos al final,

6
00:00:49,219 --> 00:01:06,640
O si no, en todo caso, aquí tenéis mi email y también lo tienen Javier y Camila. Y si queréis preguntar cosas después, también vale. Pues bien, empezamos por… ¿por qué no pasa muy rápido? Ahora.

7
00:01:06,640 --> 00:01:21,019
Las enfermedades raras, aquí en castellano no gusta mucho a las asociaciones de pacientes hablar de enfermedades raras. Raras viene del inglés rare, pero en inglés quiere decir también poco frecuente.

8
00:01:21,019 --> 00:01:38,280
En cambio, en castellano raras tiene como una connotación negativa, por eso usamos más enfermedades minoritarias. Pero en fin, son muchas enfermedades distintas, muchas de ellas son genéticas, muchas afectan a los niños, muchas veces son difíciles de diagnosticar.

9
00:01:38,280 --> 00:01:55,579
Y entonces, bueno, es un tema que además las farmacéuticas normalmente no les interesan porque no hay muchos clientes. Todo esto hace que sea un tema que está un poco fuera del circuito y nuestra obligación es tratar de meterlas en el circuito. Y de eso va un poco nuestro trabajo.

10
00:01:56,579 --> 00:02:04,859
Nosotros trabajamos en distintas enfermedades, las enfermedades raras son las que llamamos monogénicas en general, causadas por un único gen.

11
00:02:05,420 --> 00:02:14,620
También trabajamos en algunas enfermedades multifactoriales como la osteoporosis, pero de eso hoy no voy a hablar, o sea, de las bases genéticas de la osteoporosis me refiero.

12
00:02:15,500 --> 00:02:23,099
Pero nosotros trabajamos en esta serie de enfermedades, de las cuales solamente voy a mencionar las tres de las que voy a hablar en los próximos minutos.

13
00:02:23,099 --> 00:02:35,479
Son los síndromes de Sanfilippo C, Pimenpik C y Opis C. El hecho de que las tres tengan C es una casualidad absoluta y no tiene nada que ver con nuestra elección.

14
00:02:36,639 --> 00:02:44,780
Pues bien, las enfermedades minoritarias, como digo, suelen ser enfermedades genéticas monogénicas.

15
00:02:45,479 --> 00:02:52,460
Por lo tanto, primero tenemos que demostrar que es una enfermedad genética cuando empezamos a estudiar una de estas enfermedades.

16
00:02:52,460 --> 00:02:57,960
y luego tenemos que identificar el gen responsable, si el gen no se conoce,

17
00:02:58,680 --> 00:03:03,979
tenemos que identificar las mutaciones presentes en el paciente que hacen que tenga esta patología,

18
00:03:05,120 --> 00:03:10,360
estudiar la patogenicidad de estas mutaciones, demostrar que realmente son patogénicas

19
00:03:10,360 --> 00:03:15,020
y finalmente desarrollar modelos y estrategias terapéuticas.

20
00:03:15,020 --> 00:03:18,180
Ya veremos, hablaré de esto en los próximos minutos.

21
00:03:20,689 --> 00:03:25,889
Para identificar si la enfermedad es genética o no, hay casos donde es muy evidente,

22
00:03:26,169 --> 00:03:29,310
os pongo aquí muy rápidamente los tipos de herencias que conocéis,

23
00:03:29,689 --> 00:03:34,270
autosómica dominante, ligada al sexo recesiva, autosómica recesiva,

24
00:03:34,990 --> 00:03:38,150
sobre todo las dos primeras donde hay muchos casos en la familia,

25
00:03:38,770 --> 00:03:41,810
permiten enseguida entender que es una enfermedad genética.

26
00:03:42,509 --> 00:03:49,009
En las autosómicas recesivas es más difícil porque hasta que no aparece la unión de dos personas

27
00:03:49,009 --> 00:03:53,949
que son portadoras de una copia mutada del gen, no aparecen hijos con la enfermedad.

28
00:03:54,770 --> 00:04:00,250
Y en todo caso, si hay consanguinidad, como en este caso, es más probable que sea autosómica recesiva.

29
00:04:00,830 --> 00:04:06,210
Pero muchas veces nos encontramos con una imagen como la que está marcada aquí en el cuadro blanco,

30
00:04:06,650 --> 00:04:10,310
donde toda la familia es sana y de repente aparece un caso.

31
00:04:10,750 --> 00:04:15,490
Y entonces no sabemos si es genético o no es genético, si es autosómico recesivo o no,

32
00:04:15,490 --> 00:04:21,610
si es una mutación de nuevo que aparece por primera vez en este individuo, etcétera, etcétera.

33
00:04:22,850 --> 00:04:27,170
Muy bien, ¿cómo identificamos el gen responsable de la patología?

34
00:04:27,910 --> 00:04:32,430
Hasta hace un tiempo había casi una única posibilidad.

35
00:04:33,230 --> 00:04:37,329
A ver, en principio, hay algunas enfermedades que por el tipo de enfermedad que es,

36
00:04:37,629 --> 00:04:44,149
ya sabíamos cuál era el gen responsable, y ahí se encontró enseguida el gen, se lo analizó y tal.

37
00:04:44,149 --> 00:05:01,129
Pero cuando no tenemos una pauta clara, durante mucho tiempo se hacía lo que se llama análisis de ligamiento. Ahora os cuento dos pinceladas de esto, pero desde hace unos años la revolución vino por la posibilidad de secuenciar todo el exoma.

38
00:05:01,129 --> 00:05:05,949
Y este va a ser el tema de mi primer ejemplo que comenzaré enseguida.

39
00:05:06,310 --> 00:05:11,850
Solo para aclarar el análisis de ligamiento, es un tipo de análisis estadístico

40
00:05:11,850 --> 00:05:18,129
que solo se puede hacer en familias muy grandes para que tenga un valor estadístico suficiente.

41
00:05:18,870 --> 00:05:24,509
Con esto podemos llegar a encontrar en qué parte del genoma está el gen que causa esta patología

42
00:05:24,509 --> 00:05:26,449
y luego encontrar el gen.

43
00:05:26,870 --> 00:05:29,550
Esto ya digo, solo se puede aplicar en familias muy grandes.

44
00:05:29,550 --> 00:05:51,629
Este es un ejemplo nuestro de una enfermedad de la visión, retinitis pigmentosa. Cuando son artículos nuestros, pongo el doctorando normalmente de nuestro grupo, que es el primer firmante y donde fue publicado. Y aquí hay cinco afectos de un montón de hermanos y encontramos el gen responsable de retinitis pigmentosa.

45
00:05:51,629 --> 00:05:59,990
Pero ya digo, no voy a hablar ahora de análisis de ligamiento, sino que me voy a dedicar a la secuenciación del exoma.

46
00:06:00,730 --> 00:06:08,829
Y entonces, para recordar un poco qué quiere decir exoma, os recuerdo que un gen está compuesto por exones e intrones.

47
00:06:09,470 --> 00:06:16,250
Los exones normalmente son la parte que tiene la codificación para la proteína resultante.

48
00:06:16,850 --> 00:06:21,889
Entonces tenemos un trozo de un cromosoma, porque los genes están en cromosoma,

49
00:06:21,889 --> 00:06:27,629
que es un DNA de doble cadena y que tiene también unas señales cerca de él,

50
00:06:27,730 --> 00:06:34,189
que es donde la maquinaria celular hará uso de ellas para poder transcribir este gen.

51
00:06:34,490 --> 00:06:40,769
En este caso sería un factor de transcripción y la RNA polimerasa que permite que se transcribe este gen

52
00:06:40,769 --> 00:06:49,410
y fabrique el RNA que tiene todavía exones e intrones, pero luego un mecanismo que es el de splicing

53
00:06:49,410 --> 00:06:56,310
produce la eliminación de los intrones y nos quedamos ya solo con los exones que fabrican lo que se llama

54
00:06:56,310 --> 00:07:02,449
el mRNA, el RNA mensajero, que pasará al citoplasma y ahí se traducirá a proteína.

55
00:07:03,050 --> 00:07:08,410
Pues bien, dado que la parte más importante, digamos, del gen está en los exones,

56
00:07:08,410 --> 00:07:26,350
Para buscar las mutaciones que causan patología, nos vamos a dedicar a analizar solamente los exones y olvidarnos de los intrones. Pero el proceso de splicing es un proceso interesante que también tendrá que ver con dos de los apartados que vamos a comentar.

57
00:07:26,350 --> 00:07:31,790
Lo que quería mostrar es que en realidad, aunque en las figuras anteriores el intron parecía pequeñito,

58
00:07:32,209 --> 00:07:36,689
en el genoma humano la mayoría de los genes tienen exones muy pequeños,

59
00:07:36,689 --> 00:07:42,970
que son estas líneas casi verticales, digamos, que tienen un pequeño ancho pero muy poquito,

60
00:07:43,529 --> 00:07:46,189
y en cambio los intrones, fijaros el tamaño que tienen.

61
00:07:47,009 --> 00:07:52,050
Por lo tanto, si solo miramos exones, nos ahorramos un montón de secuenciación

62
00:07:52,050 --> 00:07:54,509
y solo iremos a la parte que nos interesa.

63
00:07:54,509 --> 00:08:21,490
Y además, en esta otra imagen donde aparecen varios genes, que no sé si los veréis ya, pero lo que quiero que veáis es que además de que en cada gen hay mucho espacio intrónico y poco de exones, en todo el genoma hay muchas zonas entre genes que no codifican y que después podemos discutir si sirven para algo o no, pero que cuando hacemos el exoma no lo miramos.

64
00:08:21,490 --> 00:08:44,539
Voy a tratar de saltarme algunas diapositivas porque hemos perdido tiempo y lo que yo quiero contar es que la forma de estudiar cómo encontrar un gen responsable de una enfermedad puede pasar por secuenciar todos los exones del genoma de una persona.

65
00:08:44,539 --> 00:09:12,600
No todo el genoma entero, sino solamente la parte codificante, los sexones. Y esto viene a cuento con el primer ejemplo que os comento, que es el de una chica que se llama Marta, que tiene 20 años y que los padres, el padre sobre todo, Carlos Goday, que es el que nos trajo a nosotros el tema, le tienen que cambiar los pañales cada día, con 20 años, no puede hablar, está en silla de ruedas.

66
00:09:12,600 --> 00:09:30,440
Vino desesperado porque no sabía qué tenía esta hija. Él se comunicó con investigadores internacionales y uno de ellos, John Opitz, dijo que podría ser lo que se llama el síndrome C de Opitz, el Opitz-C síndrome.

67
00:09:30,440 --> 00:09:36,779
pero que el gen no se sabía cuál era y entonces nosotros decidimos ir a buscar este gen

68
00:09:36,779 --> 00:09:43,779
y de paso John Opitz nos mandó una serie de familias que tenían este diagnóstico de Opitz-C

69
00:09:43,779 --> 00:09:45,679
para que encontráramos el gen.

70
00:09:47,120 --> 00:09:52,340
Claro, hay otra enfermedad parecida que se llama Boring-Opitz,

71
00:09:52,720 --> 00:09:57,320
en este caso se sabe cuál es el gen responsable de Boring-Opitz,

72
00:09:57,320 --> 00:10:05,200
En la mayoría de los casos el gen es ASXL1, pero en cambio en la enfermedad de OPITS no se sabía cuál era el gen.

73
00:10:06,480 --> 00:10:11,919
Para un momento aquí, no sé si lo veis, esta es una imagen con muchas figuras de niños,

74
00:10:12,399 --> 00:10:16,440
todos autorizan que se muestren sus figuras, o sea, eso es muy importante,

75
00:10:17,419 --> 00:10:21,220
y que son casos de Boring-OPITS y de OPITS-C.

76
00:10:21,559 --> 00:10:26,940
Todos tienen dismorfías faciales, contracturas, retraso de desarrollo,

77
00:10:27,320 --> 00:10:37,259
Y entonces lo que hicimos fue tratar de estudiar cuál podría ser el gen responsable de estos niños.

78
00:10:38,379 --> 00:10:42,600
Y me salto, voy directamente al pedigrí, me quedo aquí un rato.

79
00:10:43,320 --> 00:10:51,139
Lo que veis aquí, si es que os llega la imagen ya, son todos los pedigrís que tenemos de estos distintos niños.

80
00:10:51,139 --> 00:11:07,419
Aquí tenemos todas las familias que tenían un diagnóstico o bien de OPITS o bien de Bolling-OPITS o relacionado, que los dos renglones, el primero y el del medio, son las familias en general que nos mandó OPITS.

81
00:11:07,419 --> 00:11:25,740
Las últimas acaban de llegar y todavía las estamos estudiando. Y como veis, las que son Bolling-Opitz casi todas tienen mutaciones en el gen ASXL1, como se sabía, pero las que suponíamos que eran Opitz, las que están marcadas en verde, cada una tiene un gen distinto.

82
00:11:25,740 --> 00:11:49,740
O sea que lo que John Opitz consideraba que era un síndrome es realmente un conjunto heterogéneo de defectos genéticos y cada uno de ellos tiene un gen distinto como causal, genes que estamos estudiando actualmente y que a partir de estos descubrimientos nos permite trabajar con cada una de estas entidades por separados.

83
00:11:49,740 --> 00:11:56,519
separados. Termino aquí esta primera parte. Hemos juntado a familias con pacientes de

84
00:11:56,519 --> 00:12:04,700
enfermedad de Opixen, en particular las que tenían defectos en el gen Magel 2 y ahora estamos

85
00:12:04,700 --> 00:12:11,519
trabajando sobre este gen. Marta es la más grande de las tres niñas, no sé si ya veis la foto, y sus

86
00:12:11,519 --> 00:12:18,220
padres aquí en una reunión que hicimos en nuestra facultad. Paso al segundo de los ejemplos. Esta es

87
00:12:18,220 --> 00:12:23,799
una enfermedad que se llama Nieman-Pick de tipo C. Es una enfermedad de acúmulo lisosomal, pero no

88
00:12:23,799 --> 00:12:30,620
vale la pena que recordéis esto. También tiene una serie de retardos mentales y de retraso en

89
00:12:30,620 --> 00:12:36,340
desarrollo de los niños y se mueren a edades muy tempranas. Voy a saltarme la caracterización que

90
00:12:36,340 --> 00:12:43,379
tenía de la enfermedad y voy directamente a la que me interesa comentar. La que me interesa

91
00:12:43,379 --> 00:12:51,019
comentar, que se estará cargando ahora seguramente, es una mutación que hemos encontrado en el gen

92
00:12:51,019 --> 00:12:58,940
NP-C1, de Niemann-Pick-C1, que es el responsable de la enfermedad. Aquí la característica de esta

93
00:12:58,940 --> 00:13:05,539
mutación es que no ocurre en los exones, que es lo normal, sino que esto ocurría en medio de un

94
00:13:05,539 --> 00:13:12,700
intrón, o sea, entre el exón 9 y el exón 10 hay un largo intrón, aquí no está a escala, pero hay un

95
00:13:12,700 --> 00:13:18,460
largo intrón de 3.000 nucleótidos y en medio de eso nos costó mucho llegar a encontrar la mutación.

96
00:13:19,240 --> 00:13:26,440
La mutación era una mutación que confundía a la maquinaria celular porque al haber la mutación,

97
00:13:26,440 --> 00:13:32,419
las señales cambiaban y le decía a la célula que esto que está marcado aquí como pseudoexón,

98
00:13:32,980 --> 00:13:39,299
que lo tomara como un exón. Entonces cuando hacía el RNA, lo que hacía era incluir esta parte de

99
00:13:39,299 --> 00:13:44,299
entre lexón 9 y lexón 10 y con eso no se formaba una proteína correcta.

100
00:13:45,519 --> 00:13:54,299
Entonces nuestra idea fue colocarle, o sea, introducir en las células un trozo de DNA modificado,

101
00:13:54,980 --> 00:14:03,299
digamos un oligonucleótido que es complementario a esta región para que no se pueda hacer el splicing aquí.

102
00:14:03,299 --> 00:14:19,419
Y entonces la célula lo que hace es seguir adelante con el splicing normal, que es entre el 9 y el 10, y corregimos el defecto. O sea, no sé si ya fueron entrando distintas imágenes, pero no voy a entrar a detallarlas.

103
00:14:19,419 --> 00:14:39,789
Lo único que quiero decir es que la banda que incluye el pseudoexon es una banda que aquí se ve un poco más tenue, no sé si la veis ahora, es la banda de arriba en estos dos geles y cuando tratamos con el oligonucleótido de tipo morfolino para corregirlo, desaparece la banda patológica.

104
00:14:39,789 --> 00:15:00,710
Pues bien, esto lo publicamos, demostramos que a nivel de células de la piel, de fibroblastos que se sacan con un pellizco en la piel, pudimos corregir el defecto y entonces decidimos intentar corregirlo en un ratón con esta mutación.

105
00:15:00,710 --> 00:15:04,370
Para eso teníamos que generar un ratón con esta mutación.

106
00:15:05,429 --> 00:15:11,169
En este caso, mientras estábamos buscando una compañía que nos fabricara este ratón,

107
00:15:12,129 --> 00:15:21,970
nos enteramos que una fundación americana, Adi Ancasi Fan, que en algún momento entrará en la imagen para vosotros,

108
00:15:22,389 --> 00:15:25,629
tenían dos mellizas que tenían justamente esa mutación.

109
00:15:26,289 --> 00:15:53,870
No sabían que nosotros habíamos descubierto esa mutación, ellos se lo habían encargado a unos genetistas americanos y cuando se enteraron que nosotros habíamos descubierto la mutación reconocieron que era un trabajo muy importante porque a ellos les había costado muchos años haber llegado a la mutación de las chicas, pero lo que ellos habían hecho fue generar los ratones con la mutación del padre y la de la madre y una de esas mutaciones coincidía con la nuestra.

110
00:15:53,870 --> 00:16:19,129
Y entonces nos enviaron los ratones gratis para apoyar la colaboración, digamos, científica y nosotros lo que hicimos fue cruzar los ratones que eran portadores heterocigotos para tener ratones que fueran homocigotos y que por lo tanto que tuvieran, digamos, las mismas características que los pacientes.

111
00:16:19,129 --> 00:16:36,440
En el año 2017, digamos, lo que hicimos fue publicar este trabajo donde demostramos que esos ratones cumplían con las principales características de esta enfermedad.

112
00:16:37,320 --> 00:16:46,259
Es decir, por un lado, vimos que tenían un acúmulo en el cerebro de unas moléculas lipídicas que se llaman gangliósidos.

113
00:16:46,259 --> 00:17:05,880
Aquí veis, no sé si ya tenéis la imagen, en blanco son los ratones sanos y en negro los ratones que son modelos de la enfermedad y como veis tienen mucho más de los gangliosidos, tanto de GM1, GM2, GM3, que los sanos.

114
00:17:05,880 --> 00:17:23,960
También la enfermedad se caracteriza por un acúmulo de colesterol y vemos aquí que los ratones wild type tienen poco colesterol, mientras que los ratones con la mutación, que son modelos de enfermedad, tienen mucho más colesterol.

115
00:17:23,960 --> 00:17:32,700
O sea que bioquímicamente cumplían con las características típicas de esta enfermedad. Era un buen modelo de la enfermedad.

116
00:17:32,700 --> 00:17:39,019
Luego hicimos test de comportamiento y hay una serie de test, os muestro algunos aquí.

117
00:17:39,019 --> 00:17:57,480
Por ejemplo, aquí se hace un laberinto elevado donde los ratones o bien se pasan todo el día adentro de las zonas oscuras o son más aventureros y salen a buscar mundo por los brazos abiertos.

118
00:17:57,480 --> 00:18:14,259
O otro de las cuestiones es Rotarot, que es un aparato que da vuelta y los ratones están aquí corriendo rápido para no caerse y los ratones sanos aguantan mucho tiempo y los ratones enfermos se caen muy rápido.

119
00:18:14,259 --> 00:18:26,259
Bueno, una serie de estudios que lo que hacen es demostrar que ese modelo de ratón realmente recapitula las principales características de la enfermedad.

120
00:18:26,420 --> 00:18:28,339
O sea que es un modelo que sirve.

121
00:18:29,599 --> 00:18:31,619
Pues bien, ¿para qué sirve este modelo?

122
00:18:31,980 --> 00:18:38,119
Este modelo sirve para que podamos probar tratamientos en ellos que luego apliquemos a las personas.

123
00:18:39,079 --> 00:18:54,819
Mientras estábamos trabajando en este tema, yo he visto una noticia en Nature que un investigador americano, Tim Yu en Boston, había tratado a una niña con otra enfermedad distinta a la nuestra, pero que también tenía un problema de splicing parecido.

124
00:18:54,819 --> 00:19:12,859
Y había generado un oligonucleótido antisentido, no sé si ya tenéis la imagen, pero es igual que lo que habíamos hecho nosotros en fibroblasto. Él lo había hecho, había desarrollado este oligonucleótido y lo probó en la niña.

125
00:19:12,859 --> 00:19:18,019
y recibió la aprobación de la agencia de Estados Unidos

126
00:19:18,019 --> 00:19:21,559
que permite los tratamientos, que se llama la FDA.

127
00:19:23,180 --> 00:19:28,740
Y entonces dijimos, mira, si él ya tiene una forma de generar compuestos

128
00:19:28,740 --> 00:19:32,599
que son aprobados por las entidades reguladoras, como la FDA,

129
00:19:33,200 --> 00:19:35,740
lo mejor que podemos hacer es colaborar con él

130
00:19:35,740 --> 00:19:40,220
para que él desarrolle un oligonucleótido para nosotros,

131
00:19:40,220 --> 00:19:47,000
igual que el que habíamos diseñado para las células en las que demostramos que se podían curar los fibroblastos.

132
00:19:47,380 --> 00:19:53,819
Pero esto tendría todas las características que una entidad podría permitir que se aplique en personas.

133
00:19:54,359 --> 00:19:57,059
Entonces, con Tim empezamos la colaboración.

134
00:19:57,740 --> 00:20:03,119
Tim ahora nos está enviando oligonucleótidos, ya no para la enfermedad de Batten,

135
00:20:03,519 --> 00:20:07,680
que es la que trató en esta niña, sino para NimanPIC, para nuestra enfermedad.

136
00:20:07,680 --> 00:20:26,279
Y lo que estamos haciendo exactamente en estos momentos es inyectar en el cerebro el oligonucleótido, digamos, con la secuencia para que evite que haya un splicing aberrante.

137
00:20:26,279 --> 00:20:37,720
y con esto lograr que el splicing se corrija y que los ratones pasen a dejar de tener las características típicas de un enfermo,

138
00:20:38,039 --> 00:20:41,279
sino que pasen a tener características de individuos sanos.

139
00:20:42,319 --> 00:20:53,160
O sea que nuestra intención es probar que en el ratón este método es correcto y a partir de eso aplicárselo a pacientes.

140
00:20:53,619 --> 00:21:17,019
Aquí viene la parte un poco triste, muy triste de esta historia, porque por un lado el paciente que nosotros habíamos diagnosticado en 2009 ya se había muerto, o sea que en él no se podía aplicar, y la familia que nos había mandado los ratones con las dos mellizas estaban muy interesados en empezar el tratamiento con las mellizas cuanto antes.

141
00:21:17,019 --> 00:21:39,000
Incluso decían antes de que haya resultado San Ratón, estábamos discutiendo si podían aplicarlo antes o no, y justamente estábamos teniendo una teleconferencia como esta con el padre, con Hugh Hempel, con Tim Yu y nosotros, los tres, y él estaba en el hospital porque las chicas habían empeorado mucho en su condición.

142
00:21:39,000 --> 00:22:02,579
Y lamentablemente, tres días después nos llegó la noticia de que las chicas habían muerto. O sea que a estas chicas ya era muy tarde para tratarlas. De hecho, tenemos un paciente en Barcelona que tiene la misma mutación y pensamos que se le podría aplicar, pero el comité de ética del hospital decidió que no y tenían razón.

143
00:22:02,579 --> 00:22:12,460
La enfermedad también la tenía muy avanzada, igual que estas chicas, y decidieron que seguramente ya no lo curarían y no aprobaron el tratamiento.

144
00:22:13,200 --> 00:22:24,299
Pero lo que sí sabemos es que hay más pacientes con esta mutación, uno que diagnosticamos antes, uno que sabemos que hay ahora en San Juan de Deu, las chicas americanas, y sabemos de dos o tres más.

145
00:22:24,299 --> 00:22:45,420
Por lo tanto, nuestra idea es continuar con el trabajo en el laboratorio con el ratón, probar que el sistema sirve y ya tenerlo preparado para cuando aparezca un caso más joven donde empiece con el desarrollo de la enfermedad, entonces poder aplicárselo. Y ese es el estado de la cuestión.

146
00:22:46,319 --> 00:23:01,779
Pues bien, hago solo un repaso de los dos casos que hemos comentado. En el primero, simplemente lo que os demostré es que mediante el estudio de exoma se puede llegar a identificar el gen responsable de una patología.

147
00:23:02,359 --> 00:23:11,039
Nosotros lo hemos probado con casos de OPIC-C y prácticamente en todas las familias que estudiamos menos una hemos encontrado el gen responsable.

148
00:23:11,500 --> 00:23:17,720
Y eso tranquiliza mucho a las familias, por lo menos ya saben qué tienen sus hijos.

149
00:23:18,180 --> 00:23:23,759
Y a partir de conocer el gen se pueden empezar a buscar terapias.

150
00:23:24,059 --> 00:23:31,200
Y nosotros en este momento, en estos casos, en dos de los genes en concreto, porque ya dijimos que cada familia tenía un gen distinto,

151
00:23:31,200 --> 00:23:42,200
pero decidimos trabajar en dos de ellos, MAGEL-2 y TRAF-7, y estamos estudiando cómo hace para causar la enfermedad y tratar de buscar posibles terapias.

152
00:23:42,579 --> 00:23:51,099
Podría contar bastante de las terapias que pensamos utilizar, pero me quedaría fuera de tiempo. O sea que ese era el primer caso.

153
00:23:51,099 --> 00:24:13,099
El segundo caso es una enfermedad en la cual el gen ya se conoce, el NIMAPIC tipo C, el gen NPC1, y nosotros encontramos una mutación difícil de encontrar porque estaba en medio de un intrón, pero encontramos una forma de curarla en células y ahora estamos intentando curarla en ratón para luego poder aplicarla en humanos.

154
00:24:13,099 --> 00:24:39,920
Y dicho esto de los dos capítulos anteriores, el tercer y último ejemplo que voy a comentar es de otra enfermedad también de acúmulo lisosomal. Se trata de la enfermedad de San Filipo de tipo C. Y aquí lo que usamos fueron células pluripotentes, células madres pluripotentes inducidas, IPS, y de eso va a ir la charla de los últimos minutos que me quedan.

155
00:24:39,920 --> 00:25:10,980
Pues bien, también voy a pasar muy rápido la descripción de la enfermedad porque si no tengo que esperar que carguen las diapositivas. Básicamente es una enfermedad que empieza entre 2 y 6 años, es muy terrible porque los chicos nacen perfectamente normales, conocemos casos de hermosos niños de 2, 3 años y empiezan a tener un pequeño problema y al poco tiempo les llega el diagnóstico y el diagnóstico es totalmente fatal.

156
00:25:11,359 --> 00:25:15,960
O sea, realmente no hay cura, es muy, muy grave.

157
00:25:17,299 --> 00:25:27,000
Lo que fallan son genes que codifican enzimas que degradan una sustancia que se llama el heparansulfato.

158
00:25:27,519 --> 00:25:35,140
El heparansulfato es una molécula compleja que está en las superficies de las células, entre otros lugares, y tiene muchas funciones.

159
00:25:35,579 --> 00:25:37,559
No voy a entrar a detallar esto.

160
00:25:37,559 --> 00:25:51,940
En todo caso, si se carga la siguiente diapositiva y si no, os lo cuento. La degradación del heparansulfato es muy importante. Un acúmulo de heparansulfato es lo que causa esta enfermedad.

161
00:25:51,940 --> 00:26:11,819
Y lo que hay son distintas enzimas que producen esa degradación necesaria del parásulfato. Según las enzimas que están causando esa acumulación, se producen enfermedades muy parecidas, pero que tienen un pequeño nombre distinto. Son Sanfilippo A, B y C.

162
00:26:11,819 --> 00:26:31,619
Entonces, no sé si lo veis ahora, pero aquí están marcadas las enzimas que causan la enfermedad de San Filipo A, de San Filipo B y San Filipo D en verde y espero que se vaya cargando, pero la que a nosotros nos interesa es esta enzima que es la que causa la enfermedad de San Filipo C.

163
00:26:31,619 --> 00:26:47,660
Todos estos nombres no me importa demasiado que los recordéis, por lo tanto, no sé si ya ha pasado, pero paso a la siguiente diapositiva y lo que os cuento aquí, mientras se va cargando, os lo digo.

164
00:26:48,420 --> 00:26:53,359
Este es un gen que se descubrió hace no mucho tiempo, ahora para vosotros será mucho,

165
00:26:53,539 --> 00:27:01,200
pero en general estas enfermedades metabólicas tenían sus genes descubiertos bastante tiempo antes,

166
00:27:01,200 --> 00:27:06,480
a finales del siglo pasado, y este en cambio, el gen se descubrió en el 2006.

167
00:27:07,460 --> 00:27:12,900
Entonces, una vez que se descubrió el gen, nosotros no trabajábamos en esta enfermedad en ese momento,

168
00:27:12,900 --> 00:27:33,240
Cuando se descubrió el gen, dijimos vamos a buscar las mutaciones en los pacientes españoles que tienen esta enfermedad. Y entonces en el 2011, en el trabajo de Isaac Canals, nuestro doctorando en esa época, y es el que va a hacer todo lo que voy a contar ahora, descubrimos las mutaciones en todos estos pacientes.

169
00:27:33,240 --> 00:27:49,400
Muy bien. Pero la idea nuestra es siempre tratar de buscar un tratamiento. Y entonces aquí el problema es el siguiente. Nosotros trabajamos en células y entonces las células con las que trabajamos son células de la piel, fibroblastos.

170
00:27:49,480 --> 00:28:00,220
Pero esta es una enfermedad claramente neurológica, como todas las que comentamos hoy. Por lo tanto, el problema está en las neuronas. ¿Cómo hacemos para estudiar el efecto en las neuronas?

171
00:28:00,220 --> 00:28:15,460
Mientras trabajábamos con fibroblasto, hicimos algunas pruebas de terapia, no sé si se habrá cargado ya esta imagen, hicimos distintas pruebas en fibroblasto, pero esta es una de ellas.

172
00:28:15,460 --> 00:28:31,099
Aquí lo que vemos son células fibroblastos de individuos sanos, wild type, WT, y de dos pacientes, Sanfilippo C6 y Sanfilippo C7, que son los pacientes de los que voy a hablar el resto de la charla.

173
00:28:31,839 --> 00:28:38,859
Entonces, en los fibroblastos de estos pacientes, vemos que hay un acúmulo de paransulfato marcado en verde, ¿lo veis?

174
00:28:39,680 --> 00:28:45,839
Mientras que el individuo sano no tiene, en sus células, con azul se marcan los núcleos de las células,

175
00:28:45,839 --> 00:28:50,359
no tiene acúmulo de paransulfato, los pacientes sí que tienen ese acúmulo.

176
00:28:51,420 --> 00:28:57,140
Pues bien, entonces decidimos tratarlo con unos RNAs pequeños que se llaman SI-RNA,

177
00:28:57,140 --> 00:29:23,259
No voy a entrar a explicarlo, si queréis al final lo puedo comentar. Y entonces usamos uno que es un control negativo que no tiene que hacer ningún efecto y como veis cuando tratamos con este control negativo que no tiene que hacer efecto sigue habiendo acumulación de paránsulfato verde en los dos pacientes y en cambio cuando tratamos con un CRNA específico que es el que esperábamos que tuviera un efecto claramente tiene un efecto.

178
00:29:23,259 --> 00:29:32,599
Es decir, vemos que los pacientes 6 y 7 que tenían ese acúmulo verde, al ser tratados, casi desaparece totalmente el verde.

179
00:29:32,799 --> 00:29:37,619
Quedan algunas manchitas, pero hemos logrado eliminar el acúmulo de paránsula.

180
00:29:38,279 --> 00:29:42,079
Pues muy bien, pero esto lo hicimos en fibroblastos.

181
00:29:42,420 --> 00:29:48,019
Entonces, ¿cómo hacemos para probar el problema en las neuronas, que es donde realmente ocurre la enfermedad?

182
00:29:48,019 --> 00:30:09,059
En el año 2007, un señor que se llama Yamanaka, Shinya Yamanaka, publicó un paper, un artículo que revolucionó el mundo. Lo que hizo él fue lograr convertir los fibroblastos, estas células de la piel, en células madres pluripotentes.

183
00:30:09,059 --> 00:30:27,460
Entonces, mientras se va cargando la imagen que tengo aquí, la idea es la siguiente. A partir de quitar fibroblastos de la piel, que es un pequeño pinchazo que no tiene ninguna consecuencia, lo usamos para tener fibroblastos de los pacientes normalmente.

184
00:30:27,460 --> 00:30:35,140
tratándolos con cuatro genes distintos, introduciendo cuatro genes distintos,

185
00:30:35,660 --> 00:30:38,079
que es lo que se llama el cóctel de Yamanaka,

186
00:30:39,380 --> 00:30:45,279
logran que estas células que eran fibroblastos se desdiferencien

187
00:30:45,279 --> 00:30:49,099
y pasen a ser células pluripotentes.

188
00:30:49,099 --> 00:30:55,859
Y entonces estas células pluripotentes se pueden convertir en cualquier tipo celular.

189
00:30:56,599 --> 00:31:10,460
Y entonces, una vez convertidas en el tipo celular que a uno le interesa, se podrían reintroducir en el cuerpo si se lograron tratar fuera del cuerpo, corregir el defecto y volver a introducir en el cuerpo.

190
00:31:10,460 --> 00:31:30,279
Eso por el momento es muy complicado, pero en cambio lo que nosotros hacemos es aprovechar para tener un modelo celular de neuronas y otras células cerebrales, que es donde nosotros vamos a probar tratamientos, drogas y otro tipo de tratamientos para curar la enfermedad.

191
00:31:30,279 --> 00:31:52,480
Pues bien, entonces lo que hicimos fue coger estas células de pacientes, de esos dos pacientes, SF6 y SF7, introducirles el cóctel de Yamanaka con retrovirus, diferenciarlas, o sea, mejor dicho, desdiferenciarlas hasta que se conviertan en células inducidas pluripotentes.

192
00:31:52,480 --> 00:32:16,880
Se hacen un montón de pruebas distintas para demostrar que son realmente células pluripotentes. Aquí lo que vemos es como las células, todo el primer bloque de arriba es del paciente, del individuo sano, las células derivadas de fibroblastos de individuos sanos y las otras dos son del paciente 1, que es el SF6, o del paciente 2, que es el SF7.

193
00:32:16,880 --> 00:32:41,779
Y lo que pudimos demostrar aquí es que estas células, digamos, pluripotentes, se pueden diferenciar tanto in vitro, en nuestras placas, como in vivo, en un ratón donde se inyectan, a todos los tipos, a todos los tipos de células del organismo, a los distintos niveles centenarios.

194
00:32:42,460 --> 00:32:49,220
Pues bien, y lo que nos interesa a nosotros es que los pudimos diferenciar a neuronas y astrocitos.

195
00:32:49,940 --> 00:32:54,539
Entonces, voy a terminar ya mostrando los últimos resultados.

196
00:32:55,400 --> 00:32:59,940
Por un lado, lo que vimos es, voy directamente a neuronas para no perder tiempo,

197
00:33:00,319 --> 00:33:05,039
que en las neuronas la actividad del enzima responsable, el HGC-SNAP,

198
00:33:05,039 --> 00:33:29,420
Es muy alta en las células, las neuronas derivadas de IPS, derivadas de fibroblastos de individuos sanos, comparado con las neuronas derivadas de IPS, derivadas de fibroblastos de pacientes. Y al lado vemos que el acúmulo de glicosaminoblicanos va creciendo mucho más en los pacientes, en las células derivadas de pacientes, que en las saludadas.

199
00:33:29,420 --> 00:33:56,230
Dos últimas imágenes. Una es, o tres que me quedan. Una es la actividad de las neuronas se mide mediante los destellos, que es la actividad eléctrica del cerebro. Aquí ven, cuando llegue, vean que se llama Calcium Imaging, van a ver en negro y arriba como las IPS, las neuronas derivadas de IPS, de individuos sanos, tienen una serie de picos,

200
00:33:56,230 --> 00:34:08,570
mientras las que tienen los colores del VARSA, perdón, que son en azul y en rojo, que corresponden a los dos pacientes, tienen solamente un par de picos y muy poca actividad.

201
00:34:09,150 --> 00:34:18,150
Vale, ve que arriba tiene muchos picos y las otras dos están casi sin picos, ¿verdad? En la 7 aparece un solo pico azul y en la roja casi nada.

202
00:34:18,150 --> 00:34:34,889
Pues bien, nosotros hemos introducido el gen en estas neuronas como una forma de terapia génica, hemos introducido el gen sano en las neuronas que como son derivadas de pacientes no tienen gen sano,

203
00:34:34,889 --> 00:34:42,590
y lo que vemos aquí cuando le introducimos el gen HG-SNAP en cada uno de los casos,

204
00:34:43,369 --> 00:34:47,670
sobre todo en los dos de los pacientes que es donde pone SF6 y SF7,

205
00:34:48,190 --> 00:34:51,110
donde casi no había picos, ahora tenemos actividad.

206
00:34:52,590 --> 00:35:00,829
¿Veis? O sea que se recuperó la actividad neuronal en los casos en los que hemos introducido el gen sano

207
00:35:00,829 --> 00:35:04,429
en neuronas que no tenían el gen sano.

208
00:35:04,429 --> 00:35:21,170
Esto hace pensar que una terapia génica podría recuperar la actividad de las neuronas. Lo que era prácticamente plano en el SF6 y en el SF7, una vez que le introducimos el gen HG-SNAD, vemos que aparecen los picos.

209
00:35:21,170 --> 00:35:43,670
Y para terminar, porque se me acaba el tiempo, paso a la última diapositiva antes de la despedida con tres pantallas. No sé si se verá. Os cuento lo que se tendrá que ver. Lo que voy a hacer es activar los vídeos y entonces en el primero, que es una neurona wild type, tendríais que ver como que aparecen destellos, como de estrellas que van apareciendo.

210
00:35:44,409 --> 00:35:47,789
En el paciente, GFP quiere decir que no está tratado,

211
00:35:47,969 --> 00:35:51,670
porque solo se le pone una proteína verde para verlo, pero no está tratado.

212
00:35:52,010 --> 00:35:54,289
En el paciente no va a haber ningún destello.

213
00:35:54,730 --> 00:35:57,570
Pero en el paciente al que le hemos introducido el gen,

214
00:35:57,929 --> 00:36:02,429
vamos a recuperar destellos como en el caso original.

215
00:36:03,090 --> 00:36:07,070
Pongo las tres en marcha, si queréis, y a ver si lo veis.

216
00:36:07,329 --> 00:36:10,550
En el de arriba de todo, ¿veis los destellos?

217
00:36:11,070 --> 00:36:12,429
En el de igual tipo.

218
00:36:13,670 --> 00:36:44,019
Y en el de abajo también empieza a haber destellos, mientras que en el del costado no debería haber destellos. Probablemente con el retraso que hay en la señal no lo habéis visto, pero me podéis creer que logramos que las células de neuronas del paciente SFC7, que no tenía destellos cuando no estaba tratado, cuando le hemos introducido el gen responsable de la enfermedad, pero en su forma sana, recuperamos el destello.

219
00:36:44,019 --> 00:36:56,739
Pues bien, voy a dejarlo aquí, la última diapositiva, mientras se va cargando os la cuento, porque solamente para mostrar que este trabajo no es un trabajo de una persona, sino que es el trabajo de mucha gente.

220
00:36:56,739 --> 00:37:14,420
Aquí tenéis a nuestro grupo con una serie de doctorandos, alumnos de máster, alumnos de TFG, etc. Y como había la que hizo el trabajo de NIMAMPIC, Laura, no estaba en este grupo y el que hizo todo el trabajo de Sanfilippo, Isaac, no estaba en este grupo, busqué dos diapositivas que tenía de ellos.

221
00:37:14,420 --> 00:37:43,139
Y de paso, la de Isaac me sirve para mostrar que las entidades, las familiares de pacientes han apoyado muchísimo esta investigación. Siempre hemos tenido dinero del Ministerio, del Ciberer, pero también ellos juntaron dinero, hacen actos, invitan a gente famosa para que contribuya y en este caso estamos en la foto, estoy con mi doctorando Isaac, pero este de aquí no es mi doctorando, sino que es Andrés Iniesta, que supongo que lo conocéis y que también apoyó nuestra investigación.

222
00:37:43,139 --> 00:37:45,059
Pues muchas gracias, nos dejo aquí.