La G que quizá nos cambió la vida: coronavirus mutantes

Recientemente se ha creado cierto revuelo respecto a una serie de artículos que aseguran que una nueva mutación en el coronavirus SARS-CoV-2 lo hace más infectivo. En paralelo al artículo que voy a comentar, sí se han publicado otros que se centran en los efectos clínicos de ésta mutación. Esos artículos ya se han cubierto en más detalle por la prensa generalista. Además, considero mucho más difícil poder valorar la clínica (a mis ojos de bioquímica). Por eso prefiero centrarme en algo de lo que se ha hablado mucho menos.

Hoy voy a analizar, ahora que he tenido tiempo de leerme con calma el artículo, cuales son las pruebas y qué dice exactamente. Hay que tener en cuenta, antes de nada, que el artículo es un preprint en el servidor BioRxiv. No ha sido revisado por pares y por lo tanto por ahora no podemos afirmar que los ensayos realizados convenzan a la comunidad científica. Hablé de qué es un preprint y sus implicaciones aquí.

En cualquier caso, ese preprint… ¿qué dice?

La importancia de las secuencias

Desde que se aisló por primera vez el SARS-CoV-2, muchos laboratorios han contribuido con sus secuencias aisladas. Esto nos permite conocer cómo va cambiando el virus. Hace un tiempo, hablé de las secuencias que se habían encontrado en España.

Con los datos disponibles en estos momentos, el coronavirus más cercano es uno que se aisló en murciélagos. Aunque todo apunta a que hay un reservorio intermedio hasta el momento desconocido, por mucho que hayamos escuchado rumores sobre pangolines. Lo cierto es que seguimos sin estar seguros.

Por experiencia en nuestras propias poblaciones, también sabemos que el virus se reproduce mejor en algunos entornos. Aunque podemos querer escudarnos muy rápido en la mutación, lo cierto es que hay que tener en cuenta las características de cada población. Por ejemplo, en España, la población tiene una edad media superior a la de otros países. Eso que hace que nuestra mayor esperanza de vida no esté a nuestro favor en este caso. Además, sabemos que la cantidad de tests realizada no es la misma en todos los países. No sabemos cuantos casos se están detectando del total.

Pese a ello, los virus mutan. A finales de junio se habían identificado 6754 variantes de un solo nucleótido (letras del código genético del virus). El 64% de esos cambios producen el cambio de un aminoácido, y el resto son silenciosas. En muchos casos aparecen sólo de forma puntual, pero en algunos casos esa mutación adquiere importancia. Es el caso de la que nos preocupa ahora, la mutación D614G. Ese código lo que implica es que un ácido aspártico (D) se ha convertido en una glicina (G) que carece de la carga negativa y que además es mucho más pequeña. Este cambio está en la posición 614 de la proteína de la espina o espícula, lo que genera la «corona». La espina es además lo que se une al receptor ACE2 (ECA2 en español) en nuestras células.

¿Cuándo apareció la mutación?

Como tenemos secuencias limitadas, sólo podemos saber de cuando es la secuencia en la que se identificó por primera vez. Este cambio, que realmente es el cambio A23403G en el genoma (adenina a guanina), se vio por primera vez a finales de enero en dos secuencias: en Alemania y en China. Esto implica que no sabemos dónde se originó, porque es muy improbable que fuese al azar en los dos sitios casi a la vez. Lo importante es que este cambio se expandió muy rápido, sorprendentemente rápido. A finales de junio, el 74% de las secuencias disponibles tenían ese cambio. Aunque no tenemos secuencias ni del 1% de los virus, dada la distribución de las muestras por el mundo, esto nos hace pensar que esa variante es en estos momentos la principal.

La variante D614G hace al virus más infectivo

Es una afirmación muy rotunda. Quizá demasiado. Pero podemos ver que en aquellas zonas en las que esta variante es predominante, el virus parece haber golpeado con más fuerza.

Pero claro, para los científicos (y para el resto) correlación no implica causalidad. Hay que demostrarlo. Para comprobar si el virus con esta mutación es más infectivo, los investigadores prepararon virus mutantes con los que podían medir su capacidad para infectar. Lo hicieron mediante la expresión de proteínas fluorescentes. Lo comprobaron en diferentes tipos de células y en todas ellas el virus mutante era más infectivo que el original. Para poner números, entre 4 y 9 veces más infectivo, dependiendo del tipo de célula.

Aunque pueda parecer una prueba concluyente, que infecte más no implica necesariamente que sea porque la espina se une mejor, ¿verdad? Para ver cómo afecta a la unión al receptor (la proteína ACE2), prepararon células que expresaban esta proteína en su superficie. En lugar de quedarse sólo con la humana, probaron también con la de pangolines, cerdos, gatos y perros. En el caso de la ACE2 de humanos, el virus mutante se unía más del doble que el original. Para el resto de los animales también era entre dos y tres veces más, pasando de tres en el caso del perro. Si es que desde luego, tenemos que cuidar también a nuestros animales de compañía!

¿Y esto va a afectar a la producción de vacunas o anticuerpos?

Cuando hace unos días hablaba de este tema con Pedro en Qarentena una de sus preguntas era si esto podría afectar al desarrollo de vacunas. Mi primera impresión era que muchos de los estudios ya se estaban haciendo con la variante por ser la principal en estos momentos. En cualquier caso, este grupo de investigadores también tuvo en cuenta ese problema.

Para analizar el posible efecto, lo que hicieron fue analizar la capacidad de diferentes anticuerpos para neutralizar el virus mutante. Se centraron, como es lógico, en anticuerpos que se unen a la espina. Sus resultados son muy claros: los anticuerpos siguen funcionando. Así que si se desarrolla una vacuna, no hay razón para pensar que no pueda bloquear a ambos.

Conclusiones

Aunque este artículo no es más que un borrador de lo que será, el planteamiento es interesante y habrá que tenerlo en cuenta. Más allá de intentar buscar en qué momento el virus se volvió más agresivo, es importante saber lo que pueda pasar en el futuro. Y por eso hay que seguir secuenciando más y más virus. El pasado ya no lo podemos cambiar, pero podemos prepararnos para lo que venga y tener en nuestras manos todas las herramientas posibles. Por eso, en estos momentos, no hay estudio que sea irrelevante. Hay que valorar todo y ver qué podemos aprender de ellos, por ejemplo, para que las posibles vacunas sean efectivas contra todas las variantes que circulen.

¿Os parece interesante? ¿Habíais pensado que un cambio tan pequeño podía ser tan importante? Si queréis que pueda seguir analizando artículos y explicando su contenido, podéis apoyarme invitándome a un café:

¿Funcionan los tests de anticuerpos?

Mucho se ha hablado sobre si los tests rápidos para la detección de anticuerpos son efectivos o no. Los últimos meses nos han dejado claro que algunos no funcionan, y es que una cosa es la técnica y otra cosa es una marca en particular, porque gente intentando aprovecharse puede haber en todas partes. Además, los primeros tests que se desarrollaron funcionaban peor, porque llevó un tiempo desarrollar algo que realmente hiciese su trabajo. Pero en la actualidad, sabemos que hay múltiples marcas que venden sus tests diciendo que pueden detectar los anticuerpos y, por lo tanto, confirmar una infección pasada, casi al 100%. ¿Es esto cierto?

Un grupo de investigadores ha realizado un meta-análisis (la semana pasada expliqué cómo iba esto) en el que compararon los artículos en los que se han presentado resultados de tests de anticuerpos de todo tipo, algunos más rápidos que otros, y han determinado si es fiable o no. El trabajo es un tipo de revisión particular, una revisión de Cochrane, que se especializa en decir si algo funciona o no. Si por ejemplo alguien os habla de una terapia que os hace dudar, siempre podéis buscar si hay una revisión de Cochrane que compruebe la eficacia de esa terapia. Pero ahora vamos a ver estos tests, a ver qué han hecho.

El planteamiento del estudio

Para poder determinar si los tests funcionan, lo primero es determinar qué tests se van a analizar. Para ello, los autores buscaron todos los artículos publicados, incluyendo preprints, que tuviesen una descripción adecuada del test (el que fuese, pero detectando anticuerpos) e incluyendo tests que se hubiesen realizado con confirmación, es decir, que se supiese que la persona a la que se le hacía el test había (o no) tenido SARS-CoV-2. Porque si pretendemos saber si funciona, tendremos que saber también cual es el resultado que tiene que dar.

Una vez recopilados los datos se juntaron y se aplicaron una serie de parámetros para poder homogenizar el análisis. Entre otras cosas, esto implica tener en cuenta tanto la sensibilidad como la especificidad, porque un test puede dar falsos negativos o falsos positivos, se normalizó el sesgo (porque cuando se hace un test se hace por algo) y se calcularon los resultados con intervalos de confianza. Como ya hemos comentando en alguna ocasión, lo habitual en estos casos es presentar los resultados con un intervalo del 95%, es decir, que estás seguro de que eso es así al 95%, dando un rango alrededor del valor medio calculado. Para que resulte más útil a la hora de elegir el test, en lugar de presentar los resultados en base al estudio del que se obtienen, los presentan en base al fabricante del test, ya que al final es lo que importa.

Los resultados… ¿qué tipo de test se encontraron?

Una vez recopilados los datos, y antes de que hablemos de si funcionan o no, vamos a ver qué había en las publicaciones. En los artículos recopilados había muestras de prácticamente todo el hemisferio norte. Dado que los datos analizados incluyen tests hasta finales de abril, esto era esperable. Muchos de los resultados los obtuvieron de preprints, artículos todavía no revisados y que quizá no estén en su versión final. Además, algo que personalmente me ha llamado la atención, encontraron muchos artículos en los que no se especificaba el fabricante del test. Por otra parte, como es lógico, también aparecieron tests desarrollados en el propio laboratorio, es decir, no comerciales.

En cuanto a los anticuerpos buscados, se analizaron resultados de IgA, IgM e IgG. Dado que los resultados parecían ser un poco heterogéneos de más, cosa que sabemos que se debe a que la presencia de anticuerpos varía en el tiempo después de la infección, se centraron en aquellos que aclaraban cuanto tiempo después de la infección se había hecho la prueba.

Ahora sí, ¿funcionan o no?

Se ha hablado mucho de que hay que esperar un tiempo para que las pruebas de anticuerpos funcionen, y eso es más o menos lo que observaron. En la primera semana tras el inicio de síntomas, la prueba de IgG/IgM (la más común, que se ha utilizado en España) ronda el 30% de sensibilidad. En la segunda semana sube al 72% y en la tercera al 91%. Después de la tercera semana subimos hasta el 96%, sin saber qué pasa más allá del día 35, que es hasta donde llega el estudio. Respecto a la especificidad, se mantiene sobre el 98%, nada mal!

Tal y como explican los autores, si los tests se utilizan para la población general de un lugar con prevalencia baja, de menos del 5% (como en la mayor parte de España), los resultados para 1000 personas implicarían que se pasarían por alto de media 4, y que 12 serían falsos positivos. Así que en el número total, de cada mil habría 8 más de las que debería haber (para que tengamos en cuenta el error de un estudio de seroprevalencia).

Conclusiones

Dados los resultados, es evidente que las pruebas de anticuerpos se deben realizar al menos 15 días después del inicio de síntomas. Cosa que por otra parte tiene sentido, porque sabemos que antes lo más adecuado es hacer la RT-PCR y detectar directamente la presencia del virus. Pero también hay que tener en cuenta que no sabemos hasta qué punto van a ser útiles a largo plazo de cara a la seroprevalencia, porque quizá pasados los 35 días los resultados vuelvan a ser pobres. Los autores del estudio indican que lo irán actualizando cuando tengan suficientes datos con un plazo mayor, algo que será muy importante para conocer cuanto duran los anticuerpos y cómo de bien se detectan pasado más de un mes, situación en la que ya se encuentran muchas personas.

Teniendo en cuenta lo publicado, podemos asumir que los tests, dentro del rango temporal adecuado, son bastante fiables. Pero todavía nos quedan muchas cosas por saber, así que esperemos que en el futuro se hagan más análisis. No nos va a cambiar la vida saber si tenemos anticuerpos en un momento determinado, pero a nivel poblacional, saberlo puede ser muy útil.

Si queréis leer los detalles, podéis hacerlo aquí:

Antibody tests for identification of current and past infection with SARS‐CoV‐2

Este post apareció primero en mi newsletter, a la que por un módico precio puedes suscribirte para recibir comentarios de las últimas novedades científicas: La newsletter de Carmela. Si prefieres esperar a que los posts lleguen aquí, también puedes apoyar mi trabajo invitándome a un café en Ko-fi:

Para adelgazar… duerme!

Hoy os traigo un tema que se ha estudiado bastante, aprovechando que se ha publicado una revisión sistemática sobre ello y que ha provocado bastante ruido, estando entre los artículos más leídos en la aplicación que uso para seguir las publicaciones científicas. Hoy vamos a hablar de la correlación entre el sueño y las hormonas que regulan nuestro apetito.

Empezamos con el disclaimer habitual: correlación no implica causalidad. Que exista una correlación entre la cantidad de sueño y una hormona no implica necesariamente que la cantidad de sueño afecte a los niveles de esa hormona, porque puede haber otros factores que estén afectando, ya que aquellas personas que duermen menos pueden hacerlo, por ejemplo, por tener un nivel de estrés mayor, por tener alguna enfermedad, o por mil razones más. Pero si existe una correlación es algo que podemos tener en cuenta y que vale la pena estudiar en más detalle, para poder hacer más estudios que descarten otros factores.

Las hormonas que regulan el apetito

Nuestro cuerpo produce varias hormonas que están implicadas en regular cuánto, cómo y qué comemos. Aunque hay más, el estudio en cuestión se centra en tres en particular:

  • La grelina: es la hormona del hambre. Sus niveles aumentan antes de que comamos (cuando tenemos hambre) y disminuyen después de comer. Cuando se libera reaccionamos con esa sensación de hambre, que nos hace comer más. Si su nivel es muy alto, tendemos a comer más de lo que deberíamos y por lo tanto a almacenar esa energía consumida en forma de grasa. Pero es una hormona necesaria, porque estimula la secreción de la hormona del crecimiento. Si su nivel es el adecuado nos recuerda que tenemos que comer para mantener nuestras funciones vitales en orden, pero si su nivel es más alto de lo que debería, engordamos.
  • La leptina: es la hormona de la saciedad. En este caso, se libera para indicarnos que debemos dejar de comer, o comer menos. Sus niveles aumentan cuando tenemos demasiada grasa acumulada. Tiene dos efectos muy importantes: por una parte nos transmite la sensación de saciedad, por la que vamos a dejar de comer, y por otra parte aumenta nuestro metabolismo basal, haciendo que consumamos la energía acumulada en las grasas. Eso sí, si nos hemos pasado mucho (si estamos obesos), por mucha que generemos nuestro cuerpo deja de reaccionar a ella. Además de por nuestra masa corporal, sus niveles se regulan por la presencia de insulina (por eso actúa muy rápido cuando estamos comiendo).
  • La adiponectina: es la hormona que nos hace adelgazar. Su actividad hace que reaccionemos mejor y más rápido a la insulina y, por lo tanto, quememos más energía. Su ruta metabólica es muy compleja y no está estudiada en tanto detalle, pero se ha demostrado que aquellas personas que tienen niveles de adiponectina más altos en la sangre tienden a tener una masa corporal menor y también un porcentaje de grasa corporal más bajo. Si queremos un cuerpo sano, tenemos que subir nuestros niveles de adiponectina!

¿Qué es un meta-análisis?

El trabajo que se ha publicado ahora lo que hace es analizar los trabajos que se han publicado antes. Este tipo de estudio analiza todos los artículos científicos que se han publicado previamente sobre un tema dado, descarta aquellos que no cumplen una serie de criterios mínimos para tenerlos en cuenta (por ejemplo, si estaban obviamente sesgados) y compara todos los resultados para obtener una conclusión generalizada. Por ejemplo, podemos tener un estudio que dice X y otro que dice Y, pero si analizamos 200 estudios y la mayoría apoyan que X, entonces algo iba mal con el otro. Pero no sólo se miran los resultados, lo que se hace es juntar los datos de todos los estudios, para poder reanalizarlos en conjunto.

En este caso se centraron en estudios que analizasen el papel de las horas de sueño en los niveles de las hormonas que regulan el apetito. Tuvieron en cuenta aquellos que se hicieron en población sana, y se centraron en las tres hormonas que he dicho antes. Aunque al comienzo de su estudio encontraron 4515 artículos que tocaban el tema, una vez descartados aquellos dudosos, duplicados, o que no contenían los parámetros que ellos querían analizar, se quedaron con solo 21 trabajos. Puede sonar a poco, pero 21 trabajos sobre un mismo tema, si llegan a las mismas conclusiones, dan resultados más que significativos. En total, tuvieron en cuenta los parámetros de sueño y hormonales de 2250 personas.

¿Dormimos poco? ¿Eso engorda?

Aunque este análisis se haga ahora, que dormir afecta a nuestro cuerpo es algo que se ha dicho antes. Sabemos que la falta de sueño es un problema, y es que a nivel mundial un 15% de la población reconoce tener problemas de sueño. Varios estudios han analizado las consecuencias de falta de sueño (menos de 5 horas), poco sueño (5-7 horas) o sueño de mala calidad y han encontrado correlación con enfermedades metabólicas varias como la diabetes, la hipertensión… o la obesidad. Pero no todos los estudios llegan a las mismas conclusiones, porque mientras que algunos observan una clara relación entre dormir poco y un aumento de la grelina y bajada de la leptina, en otros casos esa relación no es significativa. Por eso los autores de este trabajo consideraban necesario analizarlo en más detalle y comparar los datos de todos los participantes en varios estudios.

Para el análisis los autores compararon los datos en conjunto y también en subgrupos, teniendo en cuenta la metodología, el sexo, si las personas eran obsesas o no y su edad. La elección de estos criterios se debe a que algunos trabajos previos apuntaban que había diferencias dependiendo de esos factores, por ejemplo, que en el caso de adolescentes, las hormonas se veían más afectadas en hombres.

Al que no le de sueño ver a alguien durmiendo que tire la primera piedra

Los resultados… ¿nos vamos a dormir?

Teniendo en cuenta todos los datos en conjunto, se observa una correlación entre dormir poco y tener unos niveles más altos de grelina, pero no de leptina o adiponectina. Dicho de otra forma, si no se duerme lo suficiente nuestro cuerpo nos va a decir con más facilidad que tiene hambre, y vamos a acabar comiendo más de lo que deberíamos (y lo almacenaremos como grasa).

Aunque sí encontraron diferencias en tipos de estudio, no hay diferencias en base al sexo, la masa corporal o la edad, así que nos afecta a todos por igual. Por lo tanto, aunque recordemos que correlación no implica causalidad, podemos tener en cuenta que parece que dormir poco puede hacer que acabemos comiendo peor y más de lo necesario.

Teniendo en cuenta las horas de sueño, el aumento en los niveles de grelina correlaciona con el hecho de dormir, en adultos, menos de 7 horas (el número de horas se ha ajustado en función de la edad, porque los niños y adolescentes deben dormir más horas). Es decir, no sólo es que los niveles cambien cuando se duermen menos de 5 horas, con que durmamos menos de 7 ya tendríamos un efecto a tener en cuenta.

¿Son sólo las horas?

Pese a los resultados de este estudio, hay que tener en cuenta más cosas. Una de ellas es que estar en la cama más de 7 horas no implica dormir más de 7 horas, y tampoco implica que ese sueño sea de calidad. Cada vez son más los trabajos que apuntan a que lo que importa es la calidad y no el número de horas, cosa que seguro que muchos de mis lectores monitorizan con alguna aplicación. Una de las aplicaciones más exitosas para el Apple Watch tiene en cuenta el tiempo dormido, pero también la calidad y has horas de sueño profundo. Para valorar la calidad se suele tener en cuenta la caída de la frecuencia cardíaca, que se ha descrito como un buen indicador. Aquellos que usen una aplicación de este estilo, sabrán que muchas horas “durmiendo” no siempre son muchas horas de sueño de “calidad”. Lo que no sabe duda es que en general, a más horas en la cama, más posibilidades de que aumente el sueño de calidad.

Por lo tanto, si queremos mantener un cuerpo sano y mantener a raya las hormonas del apetito, principalmente la grelina, tendremos que asegurarnos de dormir lo suficiente, y también de que ese sueño sea de calidad. Siempre habrá días mejores que otros, pero lo que importa es la tendencia general, y que dormir menos de siete horas no se convierta en una costumbre. De poco nos va a servir levantarnos muy temprano para hacer ejercicio y quemar con él 200 calorías si antes no hemos dormido de forma adecuada.

Para aquellos a los que les gusten los números y los análisis estadísticos, aquí dejo el enlace al artículo. Es un artículo bajo suscripción, así que aquellas personas que no tengáis un acceso institucional o no sepáis cómo acceder a él, me escribís y ya os cuento cómo hacerlo. Algún día tendré que escribir sobre ello…

Associations of short sleep duration with appetite‐regulating hormones and adipokines: A systematic review and meta‐analysis

Este post apareció primero en mi newsletter, a la que por un módico precio puedes suscribirte para recibir comentarios de las últimas novedades científicas: La newsletter de Carmela. Si prefieres esperar a que los posts lleguen aquí, también puedes apoyar mi trabajo invitándome a un café en Ko-fi:

La próxima gripe (porcina) ya está en China

No ganamos para sustos, y es que parece que con el famoso coronavirus SARS-CoV-2 no es suficiente, este 2020 da todavía para más. Ayer, 29 de junio, se publicó en la revista PNAS un artículo sobre una cepa de gripe A presente en los cerdos de algunas granjas en China. El artículo podría haber pasado desapercibido, pero la BBC se hizo eco del tema y rápidamente la noticia se extendió por Twitter y por diferentes medios de comunicación. A esta cepa la han llamado, de una forma muy descriptiva, G4 EA H1N1.

Las cepas de la gripe y sus orígenes

Aunque los virus de la gripe pueden afectar a muchos animales, a los humanos nos preocupan principalmente dos tipos: la aviar y la porcina. En el año 2003, se inició un brote de gripe aviar en China que hizo que todos nos preocupásemos por lo que podría pasar en el resto del mundo, aunque ahora no lo recordemos y en muchos casos incluso se entremezcle con los recuerdos del SARS. Fue lo que en el mundo entero se conoció como la gripe asiática. En el año 2009 cambiamos de bando, era una gripe porcina, aunque pronto la bautizamos como gripe A, así a secas, aunque también se extendió el uso de la hemaglutinina y neuraminidasa, conociéndola el público como H1N1, pandemia que se originó en América. En ambos casos el problema es que los virus se adaptan con mucha facilidad a los humanos.

Además de por el animal al que infectan, las cepas de gripe se clasifican por sus características y, aunque en nuestra memoria está grabada a fuego la gripe A (de 2009), las vacunas actuales también incluyen cepas de tipo B. La gripe del año 2009 no fue la primera gripe A. En sí, durante el siglo XX hemos sufrido varias pandemias de gripe, y la inmensa mayoría de gripe tipo A, como por ejemplo, la mal llamada gripe española de 1918.

El descubrimiento del nuevo virus

Los investigadores analizaron diferentes muestras nasales de cerdos recogidas entre los años 2011 y 2018 en granjas de varias provincias en China. Aunque localizaron varias cepas diferentes, una de ellas predominaba sobre el resto, una nueva cepa EA H1N1, con un origen similar al de la aviar europea pero con características de la americana, fruto de recombinaciones y mutaciones.

Curiosamente, aunque la gripe A (H1N1) del año 2009 era una gripe porcina, los cerdos analizados habían perdido prácticamente esta cepa, que se conoce como pdm/09 y es la que incluyen nuestras vacunas desde entonces. Además, aunque existían varias cepas en las muestras, a partir del año 2013 existe una mayor prevalencia de una variante concreta, que además parece estar diversificándose dada su gran diferenciación genética. Esta cepa es la que agruparon como G4 y que pese a parecerse más a la americana, tiene una proteína de la matriz (gen M) más parecido a la pdm/09.

En análisis in vitro los investigadores observaron que la capacidad de unión a las células es similar a la de la gripe A H1N1 del año 2009 y que también se puede replicar en las células del epitelio respiratorio de una forma similar. Esto convierte esta cepa en un potencial peligro, ya que todos recordamos lo rápido que avanzaban las infecciones con la gripe A.

El modelo animal

Para poder validar sus resultados más allá de los datos que obtuvieron in vitro, trasladaron su modelo a hurones. El hurón es un modelo animal común ya que se infecta con la gripe de una forma similar a los humanos y presenta sintomatología similar. Al infectar hurones, observaron que el virus tiene una alta capacidad para replicarse y que muestra una alta patogenicidad. Los síntomas fueron similares a los que cabría esperar de una gripe: fiebre, tos, estornudos…

Imagen del virus de la gripe coloreada al microscopio electrónico
Así luce el virus de la gripe

Ausencia de protección

Mucho se ha hablado recientemente de la reactividad cruzada, o de una forma más común, de la inmunidad cruzada. En algunas situaciones, cuando presentamos anticuerpos frente a un virus, nos protegen parcialmente si nos infectamos con un virus similar. Lamentablemente, en este caso no ocurre así. Incluso en suero que presentaba anticuerpos contra la gripe A, no podían unirse a esta nueva cepa, por lo que no existe inmunidad cruzada. Para estas pruebas se utilizó suero humano, procedente de niños que habían sido vacunados.

Seroprevalencia: ¿se han infectado ya humanos?

Sí, se han infectado. Al buscar anticuerpos en los trabajadores de las granjas de cerdos, se encontró que un 10.4% presentaban anticuerpos, por lo que habían entrado en contacto con el virus. Además, un 4.4% de la población del entorno también tenía anticuerpos. Un detalle preocupante: los más afectados se encontraban en el rango de edad entre 18-35 años. Históricamente, sabemos que las cepas de gripe que afectan a los jóvenes son más peligrosas.

¿Debemos tener miedo?

Aunque se haya publicado ahora, recordemos que el estudio se hizo con muestras de la última década. El artículo se envió en el mes de diciembre. No se trata de un virus que haya surgido ayer. Además, otros investigadores ya han informado de resultados similares, y se tiene constancia de la existencia de cinco pacientes contagiados con virus de este tipo.

Por ahora no se ha comunicado ningún caso de contagio humano-humano, pero si el virus mutase como para que eso ocurriese, podría desencadenar una pandemia. Aunque una mutación aleatoria de ese tipo no es común, si una persona se infecta simultáneamente con una gripe adaptada a humanos y con ésta, podrían recombinar. Esto también podría ocurrir en cerdos, ya que los cerdos son la principal fuente de recombinación para virus de la gripe. Por eso es necesario vigilar esta clase de virus que, aunque normalmente no salgan en las noticias, se descubren frecuentemente. En cualquier caso, deberíamos estar preparados para la próxima pandemia.

Reflexiones sobre las publicaciones científicas

Este es un resumen de algo ocurrido hace un par de semanas… pero que sigue de rabiosa actualidad

¿Qué ha pasado exactamente?

La explicación no pedida que voy a dar hoy viene a raíz de tres hechos que, aunque con temática común, ocurren de forma independiente. Lo primero es el auge de los preprints en los últimos tres meses y la dificultad para entender qué son. El segundo hecho son los artículos retractados de The Lancet y NEJM sobre el estudio de la hidroxicloroquina. El tercer hecho han sido las noticias sobre el “fracaso” del estudio llevado a cabo por Oriol Mitjà usando este mismo compuesto. En los tres aspectos, cuando leía las noticias, notaba que en algunos casos no se sabía bien cómo funciona la publicación científica. Por eso vamos a aclarar hoy esos puntos.

La vía tradicional

Las publicaciones por la vía tradicional siguen siendo la mayoría, o lo eran hasta que llegaron las prisas hace un par de meses. En la vía tradicional una vez que tienes tus resultados los pasos a seguir son más o menos lineales:

  1. Escribes un artículo con el resto de autores que aprueban el contenido
  2. Lo envías a una revista que consideras adecuada
  3. El editor valora si merece ser valorado en la revista. Si cree que no volvemos al punto 2 en otra revista. Este paso lleva entre unos días y varios meses.
  4. Si el editor opina que podría valer, lo envía a al menos dos revisores, que sin cobrar por ello lo leerán e intentarán buscar fallos o cosas que falten o necesiten ser aclaradas. El artículo puede estar en esta fase entre un par de semanas y un año.
  5. Los revisores pueden decir que no hagas cambios (cosa muy rara), pedir cambios pequeños de texto (bastante común), cambios mayores pidiendo experimentos extra (muy común) o decir que el artículo no vale (también común). Si dicen que no vale, volvemos al punto 2 con otra revista, o al 1 para mejorar el artículo.
  6. Se hacen los cambios que se han pedido (entre varias semanas y varios meses) y se vuelve al punto 4. Esto lo podemos repetir varias veces, porque es normal que haya varias rondas de revisión.
  7. Cuando aceptan que ya vale, si el editor está de acuerdo, te mandan una carta de aceptación. Tu artículo se publicará online en unos días o semanas y en papel (si todavía tienen de eso) en uno o varios meses.

Ese proceso completo suele implicar al menos tres meses, en el mejor de los casos. Y eso, en la situación actual, no es una opción. Cuando se sigue la vía tradicional, si el descubrimiento va a tener repercusión mediática, se preparan notas de prensa y los medios que tienen acceso a los artículos antes de que se publiquen escribirán sus comentarios para que salgan justo cuando se libere. Pero ahora esta vía tradicional pierde fuelle, y va ganando fuerza la vía del preprint.

La vía del preprint

Si no queremos esperar a todo el proceso de revisión y aceptación para que nuestros resultados lleguen a la comunidad, podemos ir por la vía paralela del preprint. Tras escribir el artículo, un borrador o la versión que se envía a las revistas se sube a un servidor de acceso libre. En tiempos de coronavirus los que más peso tienen son BioRxiv y MedRxiv. Los pdf que se han subido ahí no han sido revisados, no sabemos si los datos son fiables ni si los experimentos son reproducibles, porque nadie ha revisado esos artículos.

En tiempos de decenas de preprints diarios, los medios de comunicación ya no dependen de los embargos ni de las notas de prensa enviadas por las instituciones. Pueden perderse entre los preprints y elegir qué comentar, aunque muchas veces son guiados por Twitter a ellos. En puntos extremos tenemos casos en los que investigadores han buscado aparecer en los medios para darle bombo a su artículo en preprint.

Esta vía funciona de una forma diferente, porque tampoco es que no valga lo que aparece ahí, o que uno no se pueda fiar. En general, al poco de subir el pdf, varios investigadores del campo revisarán el artículo y rápidamente habrá una opinión de la comunidad científica. Pero hay que esperar a que haya esos comentarios. Un ejemplo de ésto lo tenemos en el artículo que decía que el coronavirus podía salir de un laboratorio porque tenía secuencias del VIH. Ese artículo se subió a bioRxiv, la prensa no esperó y se hizo eco (error), pero en un par de días un montón de investigadores comentaron públicamente los fallos del artículo. Poco después, el preprint se retractó (la página existe pero dice claramente que ha sido retirado).

¿Qué vía es mejor?

Mucho se ha publicado sobre que uno no se puede fiar de los preprints porque no han sido revisados. Pero la verdad es que lo único que hay que hacer es esperar a que sean revisados por la comunidad y no dar nada por cierto hasta que haya consenso.

Recientemente hemos vivido como el sistema tradicional tampoco es la panacea. DOs artículos que se publicaron en The Lancet y New England Journal of Medicine han sido retirados porque se habían “colado”. Aunque esos artículos habían seguido el proceso de revisión tradicional, una vez que se hicieron públicos y se sometieron al escrutinio de la comunidad, se descubrió que había problemas con ellos y se retractaron. En ese caso, el proceso de revisión por parte de la revista falló. Al estar hablando de un estudio muy importante en estos momentos, la posible eficacia de la hidroxicloroquina, mucha gente revisó el contenido y se descubrieron esos fallos. Pero si se tratase de la cría de la hormiga roja del Sáhara, probablemente no habría tanta gente revisando el contenido, y quizá nadie se habría dado cuenta de que había que retirarlo, o no habría podido hacer presión suficiente a la revista que va a ver su nombre manchado.

Así, aunque los artículos en “revistas de nombre” han sido revisados, en muchos casos algo ha fallado y hay cientos de artículos publicados en todos los campos que no se pueden reproducir o que tienen un análisis incorrecto de los datos. Todos los días se retractan artículos, pero normalmente no se llenan los titulares de los periódicos de “revista X retira un artículo”. En sí, suelen intentar hacerlo de una forma bastante discreta.

¿Y qué tiene que ver el otro estudio en todo esto?

Empecé diciendo que la tercera para que me hacía escribir esto eran los resultados del estudio de Oriol Mitjà. Y es que todo lo anterior se explica con una serie de titulares respecto a su estudio. La prensa se llenó de titulares del tipo “fracasa el estudio”. Y es que ciertamente, si nos ponemos en las publicaciones pre-covid, los resultados de ese estudio habrían acabado en un cajón y jamás se publicarían, porque los resultados parecen apuntar a que la hidroxicloroquina no sirve (digo parece porque no he visto los resultados).

En mi mundo, si quieres publicar un artículo necesitas tener resultados positivos. No vas a publicar que si mezclas dos cosas no pasa nada, publicas si obtienes algo. Pero es que los resultados negativos de los experimentos, también son resultados. Estoy segura de que más de la mitad de experimentos que se hacen en muchos laboratorios se han hecho en otro sitio antes pero nunca se han publicado, por lo que se pierde mucho tiempo repitiendo todo (ojo, no reproduciendo, que eso siempre es bueno hacerlo). Por eso, el trabajo de Oriol Mitjà no ha fracasado, ha obtenido un resultado pero, hasta hace poco, ese resultado no habría sido digno de ser publicado.

¿Entonces cómo publicamos?

Hasta como quien dice anteayer, existía una presión tremenda por publicar en revistas de alto impacto (como The Lancet) que supuestamente sólo publican cosas fiables y con resultados “positivos”. Ahora nos hemos dado de bruces con la realidad, con que ese proceso es excesivamente lento. Y poco a poco cada vez salen más voces que dicen que quizá lo de publicar en BioRxiv o MedRxiv y que la revisión sea pública y comunitaria tampoco es tan horrible, pero claro, eso afectaría mucho al negocio de las editoriales.

No voy a dar una solución, ni voy a profundizar en los detalles de los cambios que se nos venían encima antes de que todo esto ocurriese, pero que sirva lo contado hoy para recordar que las revistas también la pifian al aceptar artículos, que todos los artículos deben ser revisados por cuantos más investigadores mejor y que los resultados, positivos o negativos, resultados son y pueden ayudar a otras personas en su investigación.

Si queréis ver qué cosas se publican en preprints, porque eso sí es de acceso siempre abierto a todos, los dos servidores han juntado en una página todo lo publicado sobre el coronavirus, más de 5000 “preprints” a día de hoy: preprints de SARS-CoV-2

Este post apareció primero en mi newsletter, a la que por un módico precio puedes suscribirte para recibir comentarios de las últimas novedades científicas: La newsletter de Carmela. Si prefieres esperar a que los posts lleguen aquí, también puedes apoyar mi trabajo invitándome a un café en Ko-fi: