Los cánceres aumentan la expresión general de ARNm a medida que progresan

ARRIBA: ISTOCK.COM, KOTO_FEJA

La cantidad de ARNm expresada por un tumor parece servir como un indicador confiable de la progresión de la enfermedad, un nuevo análisis de hallazgos de muestras de tejido humano. La correlación, que los investigadores identificaron para 15 tipos de cáncer, fue posible gracias a una nueva técnica estadística que ayuda a dar sentido a conjuntos masivos de datos intrincados.

A diferencia de la investigación realizada sobre los tumores homogéneos en los que los científicos del cáncer pueden crecer un laboratorio y usarlos como modelos experimentales, estudiar los cánceres que crecen en humanos puede ser un asunto complicado. Las células cancerosas, la microbiota y las células inmunitarias humanas pueden coexistir muy cerca unas de otras, y los investigadores que intentan secuenciar las células tumorales suelen elegir entre la secuenciación masiva, que genera datos difíciles de interpretar, o la secuenciación de una sola célula, que rápidamente se vuelve costoso en términos de tiempo y dinero. Sin embargo, la nueva técnica puede extraer información útil de datos masivos generados a partir de muestras de cáncer humano y proporcionar un nivel de resolución que normalmente solo ofrece la secuenciación de células de una en una, dicen los investigadores detrás del trabajo.

Consulte ¿Podría el microbioma del cáncer ayudar a diagnosticar y tratar la enfermedad?

La técnica produce una medida llamada expresión de ARNm total específica del tumor (TmS), que representa la relación entre la expresión de ARNm de las células tumorales y la de las células que lo rodean. , según el estudio publicado ayer (13 de junio) en Nature Biotechnology. Esencialmente, TmS se calcula estimando primero la expresión de ARN total de una población celular dada, que luego se divide en células tumorales y no tumorales en función de la presencia de biomarcadores. A continuación, la expresión total se divide por la fracción de cada tipo de célula, lo que da como resultado una medición de la expresión de ARN por célula. Finalmente, ese número se divide por la ploidía celular para asegurarse de que TmS represente la actividad celular en lugar de la cantidad de cromosomas presentes.

La autora principal del estudio, Wenyi Wang, bioestadística del Centro de Cáncer MD Anderson de la Universidad de Texas, cuyo trabajo generalmente se centra en la deconvolución y el modelado de datos, dice que el descubrimiento de una técnica para medir la expresión total de ARNm de células tumorales en datos de secuenciación a granel fue un accidente. Su objetivo original era medir la expresión de tumores de genes específicos, pero no pudo encontrar consistencia entre la secuenciación de ARN y los datos de secuenciación de ADN. Mientras intentaba descubrir la raíz del problema mientras revisaba la literatura, se dio cuenta de que, si bien se sabía que la expresión total del ARNm de las células tumorales era importante, nadie había establecido un vínculo directo con los resultados de los pacientes ni con otros correlatos biológicos en grandes cohortes, le dice a The Scientist.

Fue cuando estaba validando su técnica en 6.590 muestras de tumores humanos que abarcaban 15 tipos de cáncer que hizo el tipo de descubrimiento accidental de que la expresión del ARNm en muchos tipos de cáncer se correlaciona con la progresión de la enfermedad, explica. En general, los tumores de cánceres en etapa tardía arrojaron índices de TmS más altos y, en algunos tipos de cáncer, los valores de TmS más altos se asociaron con biomarcadores de metabolismo o actividad tumoral mejorados. Estudios previos de otros grupos habían identificado una tendencia similar antes, correlacionando el pronóstico del cáncer con la expresión del ARNm, pero esos estudios tendían a ser más pequeños, centrados en secuencias genéticas específicas o eran específicos de un tipo de cáncer. Por el contrario, Wang dice que esta es la primera vez que se identifica la correlación a esta escala y a través de una metodología aplicable a todos los modelos de cáncer.

Subhamoy Dasgupta, biólogo molecular del Roswell Park Comprehensive Cancer Center que no funcionó en el estudio, dice que la nueva técnica brinda una visión más completa dentro del ARNm del cáncer de una manera mucho más lúcida.

Es posible obtener los niveles de expresión del ARNm de las células tumorales usando la secuenciación de una sola célula, Wang dice, pero hacerlo sería prohibitivamente costoso para un tamaño de muestra grande y difícil de hacer, ya que los tumores reales de los pacientes aparecen tal cual, lo que significa que puede ser difícil trabajar con ellos, especialmente al aislar y secuenciar células individuales específicas.

Según mi comprensión de una descripción general de su método, creo que es un trabajo realmente bueno, dice Dasgupta. Agrega que el estudio fue impresionante porque incluyó datos de una cantidad sin precedentes de muestras de tejido y los reunió de una manera muy imparcial y sólida.

Las vías biológicas que subyacen a la conexión entre los niveles de ARNm y la progresión del cáncer Permanece sin aclarar. Dasgupta sugiere que TmS podría servir como una medida indirecta para el estado metabólico de un tumor, en el sentido de que un tumor necesitaría generar más ARNm para sintetizar proteínas a fin de mantenerse. Si ese es el caso, sugiere que tener esos datos metabólicos a mano puede afectar el pronóstico o el plan de tratamiento. Wangs dice que ya comenzó a trabajar con médicos para explorar ensayos clínicos guiados por TmS en los que se calcularía TmS para nuevos pacientes con cáncer y se usaría para ayudar a determinar el tratamiento adecuado.

Wang dice que la correlación probablemente se aplicará a tipos de cáncer además de los 15 estudiados aquí. El estudio estuvo limitado por la disponibilidad de datos, tamaños de muestra más pequeños para algunos tipos de cáncer y el efecto de confusión de la quimioterapia (especialmente en muestras de cáncer de mama triple negativo), todo lo cual obstaculizó la capacidad de los investigadores para buscar la misma correlación en otros tipos de cáncer. , señala. Dasgupta dice que sospecha que los cánceres de tumores sólidos demostrarán una correlación similar, pero que los llamados cánceres líquidos como la leucemia pueden diferir.

Tanto Wang como Dasgupta dicen que son optimistas de que la bioinformática detrás del cálculo de TmS y especialmente la forma en que El equipo pudo derivar que la medición de los datos de secuenciación a granel podría dar lugar a otros descubrimientos. La métrica podría aplicarse directamente a muestras ya recolectadas de grandes estudios de cáncer, señala Wang, lo que quizás conduzca a hallazgos clínicamente relevantes.