Simple Science

Ciência de ponta explicada de forma simples

# Ciências da saúde# Medicina genetica e genomica

Analisando as Respostas ao Tratamento do Câncer de Bexiga

Um estudo sobre como a atividade gênica afeta os resultados do tratamento do câncer de bexiga.

― 8 min ler


Insights sobre oInsights sobre oTratamento do Câncer deBexiganas respostas ao tratamento.Descobrindo o papel da atividade gênica
Índice

O câncer de bexiga (CB) é uma doença que afeta muita gente ao redor do mundo. É o 10º câncer mais comum no planeta e o 6º mais comum entre os homens. Entender o câncer de bexiga é super importante porque pode ter efeitos significativos nos pacientes e na sociedade como um todo.

O CB pode ser dividido em dois tipos principais com base em quão profundamente o tumor cresce na parede da bexiga. O primeiro tipo se chama câncer de bexiga não invasivo (CBNI), que inclui três estágios: Tis, Ta e T1. O segundo tipo é o câncer de bexiga invasivo (CBI), que é mais sério e inclui os estágios T2, T3 e T4a. Cerca de 20% dos novos pacientes diagnosticados com câncer de bexiga têm CBI, que tende a ser mais agressivo e está associado a uma menor chance de sobreviver por cinco anos após o diagnóstico.

Para tratar o CBI, os médicos costumam recomendar uma abordagem específica. Os pacientes geralmente recebem uma quimioterapia chamada quimioterapia neoadjuvante à base de cisplatina (QNAC) antes de fazerem a cirurgia para remover a bexiga, um procedimento conhecido como cistectomia radical (CR). Embora a QNAC possa melhorar a sobrevida geral, menos da metade dos pacientes é elegível para esse tratamento devido a outros problemas de saúde. Mesmo entre os que conseguem a QNAC, cerca de 40% não respondem bem a ela, o que aumenta a chance de a doença voltar e diminui as taxas de sobrevivência.

Um grande problema no tratamento do CBI é a falta de testes confiáveis para prever quem vai se beneficiar da QNAC. Essa incerteza significa que alguns pacientes que não teriam benefício da QNAC podem ainda enfrentar os efeitos colaterais, enquanto outros que poderiam se beneficiar podem não ter acesso a esse tratamento. Portanto, é essencial encontrar maneiras melhores de identificar quais pacientes vão responder à QNAC.

Diversidade Molecular do Câncer de Bexiga

O câncer de bexiga mostra uma ampla gama de diferenças moleculares. Pesquisadores identificaram vários tipos distintos com base em informações genéticas. Uma das classificações mais reconhecidas vem de um estudo que identificou cinco subtipos transcriptômicos de CBI: basal-escamoso, papilar luminal, infiltrado luminal, luminal e neuronal. Outro sistema de classificação, conhecido como taxonomia de Lund, divide ainda mais o CBI em grupos como Urotelial e Genomicamente Instável.

Alguns estudos indicam que esses tipos moleculares podem ajudar a prever quão bem um paciente vai responder à QNAC. No entanto, os resultados têm sido inconsistentes ao longo do tempo. Por exemplo, enquanto alguns estudos sugerem que tipos específicos se beneficiam mais da QNAC, outros contradizem essas descobertas. Essa inconsistência destaca a necessidade de estudos mais abrangentes para estabelecer o valor clínico desses subtipos moleculares.

O Cenário Genético do CBI

Em nível genético, o CBI é marcado por altos níveis de mutação e instabilidade. Algumas das mutações mais comuns no câncer de bexiga envolvem genes como TP53, KMT2D e KDM6A. Mudanças no número de cópias de certos genes também desempenham um papel no câncer. Essas alterações genéticas estão ligadas à sobrevida geral, mas nenhuma se provou confiável como preditores de resposta à QNAC em pacientes com CBI.

No nosso estudo, buscamos entender os perfis genéticos e moleculares de pacientes com CBI submetidos ao tratamento com QNAC. Coletamos informações de 100 pacientes tratados em diferentes hospitais. Nosso principal objetivo era analisar a atividade gênica e as mutações em relação a quão bem eles responderam à QNAC. Além disso, queríamos criar um modelo que pudesse ajudar a prever quem se beneficiaria da QNAC.

Características dos Pacientes

O grupo de pacientes que estudamos incluiu 100 indivíduos com CBI, reunidos em quatro hospitais ao longo de vários anos. Todos os pacientes receberam QNAC à base de cisplatina, e nós os dividimos em dois grupos: respondedores (aqueles que mostraram melhora após o tratamento) e não respondedores (aqueles que não melhoraram). Coletamos informações clínicas e histopatológicas detalhadas desses pacientes.

Durante o período de follow-up, notamos recorrência do câncer em ambos os grupos, com mais casos entre os não respondedores. Indicadores tradicionais de prognóstico, como o envolvimento de certos tecidos e margens cirúrgicas, também eram mais comuns entre os não respondedores. Curiosamente, os perfis de células imunológicas entre respondedores e não respondedores mostraram pouca diferença, sugerindo respostas imunológicas semelhantes em ambos os grupos.

Entendendo a Atividade Gênica em Resposta à QNAC

Analisamos os dados de atividade gênica dos pacientes para identificar padrões ligados às suas respostas à QNAC. Nossa pesquisa revelou muitos genes que foram expressos de forma diferente entre os dois grupos. Um grande número desses genes estava associado aos não respondedores. Para entender melhor essas diferenças, usamos um método para agrupar genes relacionados e identificamos clusters relacionados às vias de sinalização WNT, que são importantes para a comunicação e crescimento celular.

No nosso estudo, encontramos um conjunto de genes que mostrou uma forte ligação com a resposta à QNAC. Os genes envolvidos na Via de Sinalização WNT se destacaram, já que eram significativamente diferentes entre respondedores e não respondedores. Analisar essas expressões gênicas nos ajudou a descobrir insights importantes sobre como essas podem influenciar as respostas à QNAC.

Subtipos Moleculares e Seu Impacto na Resposta ao Tratamento

Em seguida, aplicamos diferentes métodos para classificar os pacientes com base em seus subtipos moleculares. Usando duas classificações estabelecidas (TCGA e LundTax), examinamos como esses subtipos se correlacionavam com as respostas à QNAC. Embora não tenhamos encontrado diferenças estatisticamente significativas nas taxas de resposta entre os grupos, notamos tendências indicando que certos tipos, como papilar luminal e subtipos escamosos basocelulares, pareciam responder melhor ao tratamento.

Curiosamente, enquanto a classificação molecular foi sugerida como uma possível maneira de personalizar os planos de tratamento, nossos resultados mostraram que confiar apenas nessas classificações não foi eficaz em prever as respostas à QNAC. Portanto, é necessário explorar mais a relação entre as características moleculares e os resultados do tratamento.

Mutações Genéticas e Sua Correlação com a Resposta ao Tratamento

Nossa pesquisa também investigou as mutações presentes nos pacientes, focando naquelas que já estavam ligadas ao câncer de bexiga. Descobrimos que, embora muitas mutações comuns estivessem presentes nos pacientes, elas não diferenciavam de forma confiável aqueles que responderam bem à QNAC daqueles que não responderam.

No entanto, identificamos várias mutações específicas em um grupo de genes relacionados aos cílios respiratórios que estavam associadas a melhores respostas. Esses achados abrem possibilidades para futuras pesquisas sobre como essas mutações poderiam fornecer insights sobre a sensibilidade ao tratamento.

Além disso, notamos que deleções em certos genes também estavam associadas à não responsividade à QNAC. Esses achados sugerem que investigar mais essas alterações genéticas pode levar a melhores marcadores preditivos para as respostas ao tratamento.

Prevendo a Resposta à QNAC Usando Aprendizado de Máquina

Para resumir os dados que coletamos, desenvolvemos modelos de aprendizado de máquina voltados para prever como bem os pacientes responderiam à QNAC. Analisando tanto os padrões de Expressão Gênica quanto as mutações genéticas, construímos um modelo que se saiu bem em distinguir entre respondedores e não respondedores.

A importância de cada fator no modelo revelou que a via de sinalização WNT e outras assinaturas de expressão gênica desempenharam papéis cruciais em fazer previsões precisas. Nosso modelo mostrou potencial na sua capacidade de ajudar os clínicos a identificar quais pacientes provavelmente se beneficiariam do tratamento com QNAC.

Conclusão

Em conclusão, nossa análise destacou a complexidade considerável do CBI e seu tratamento. Encontramos diferenças significativas nos padrões de expressão gênica entre aqueles que respondem à QNAC e aqueles que não respondem. Além disso, nosso estudo forneceu novos insights sobre mutações gênicas e deleções específicas que poderiam informar estratégias de tratamento.

Apesar dos desafios em obter resultados consistentes e das limitações do nosso tamanho de amostra, acreditamos que nossos achados contribuem para a busca por preditores confiáveis das respostas à QNAC. Esse conhecimento tem o potencial de melhorar os resultados do tratamento para pacientes com CBI no futuro. Mais pesquisas são necessárias para validar nossos modelos e ideias em grupos de pacientes maiores e mais diversos, o que poderia aumentar nossa compreensão do câncer de bexiga e seu tratamento.

Fonte original

Título: Predicting response to cisplatin-based neoadjuvant chemotherapy for muscle-invasive bladder cancer: transcriptomic features outrank genomic biomarkers

Resumo: Muscle-invasive bladder cancer (MIBC) is associated with poor predictability of response to cisplatin-based neoadjuvant chemotherapy (NAC). Consequently, the benefit of NAC remains unclear for many patients due to the lack of reliable biomarkers predicting treatment response. In order to identify biomarkers and build an integrated and highly accurate model to predict NAC response, we performed a comprehensive transcriptomic and genomic profiling on tumors from 100 MIBC patients. Our results showed that the expression of the top genes associated with response, as well as the expression of growth factor genes and cell cycle regulators are highly correlated with NAC response. Most importantly, we found a novel signature related to the WNT signaling pathway that alone was highly correlated with NAC response and showed high accuracy in predicting NAC response (AUC=0.76). Additionally, mutations in the DNAH family genes (DNAH8, DNAH6 and DNAH10) and deletion in KDM6A were also highly correlated with NAC response. Using our comprehensive molecular analysis as a backbone, we developed two machine learning (ML) models, one incorporating both transcriptomic and genomic features (RF-RW), and the other using only transcriptomic data (RF-R). Both models demonstrated promising performance (AUC=0.82) as predictive models of response to NAC in MIBC. RF-RW and RF-R, after external validation, could potentially change the management of MIBC patients by selecting ideal candidates for NAC.

Autores: Joaquim Bellmunt, A. Acedo-Terrades, A. Rodriguez-Vida, O. Buisan, M. Bodalo-Torruella, M. Gabarros, M. Claros, N. Juanpere, M. Lorenzo, S. Vazquez Montes de Oca, A. Rios-Hoyo, C. Carrato, T. Sanhueza, E. Eyras, E. Puigdecanet, G. Sjodahl, J. Perera-Bel, L. Nonell

Última atualização: 2024-06-28 00:00:00

Idioma: English

Fonte URL: https://www.medrxiv.org/content/10.1101/2024.06.28.24309634

Fonte PDF: https://www.medrxiv.org/content/10.1101/2024.06.28.24309634.full.pdf

Licença: https://creativecommons.org/licenses/by/4.0/

Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.

Obrigado ao medrxiv pela utilização da sua interoperabilidade de acesso aberto.

Mais de autores

Artigos semelhantes