Simple Science

Ciência de ponta explicada de forma simples

# Biologia# Biologia do Cancro

Novas Descobertas sobre o Crescimento e Adaptação do Câncer

Pesquisas mostram como os tumores se adaptam por meio de mudanças na expressão gênica.

― 7 min ler


A Expressão Gênica doA Expressão Gênica doCâncer Reveladaadaptam e sobrevivem.Estudo revela como os tumores se
Índice

Câncer é um grupo de doenças onde as células crescem e se dividem sem controle. Esse crescimento não segue as regras normais que as células saudáveis obedecem. Geralmente, o câncer começa de uma célula ou algumas poucas que começam a mudar. Essas mudanças podem acontecer ao longo do tempo, à medida que as células ficam mais diferentes entre si, criando o que chamamos de "Subclones". Esses subclones competem entre si no corpo, tentando sobreviver e se desenvolver.

O Papel da Expressão Gênica

Expressão gênica é como as informações dos nossos genes são usadas para fazer proteínas que dizem às células o que fazer. Mudanças na expressão gênica podem afetar o comportamento das células, o que pode levar ao câncer. É importante entender como essas mudanças ocorrem durante o desenvolvimento do câncer. Essas informações podem nos ajudar a encontrar tratamentos melhores para os pacientes.

Quando as células mutam ou mudam, isso geralmente influencia seu comportamento e sobrevivência. Algumas mutações podem ajudar uma célula a crescer mais rápido ou escapar da morte, tornando-a mais perigosa. No entanto, câncer não é só sobre mutações; mudanças na forma como os genes são expressos também têm um papel crucial.

Investigando Mudanças na Expressão Gênica

Tradicionalmente, a maioria dos estudos olhou para mutações, focando em mudanças no DNA. No entanto, olhar apenas para mutações pode perder informações importantes sobre como o tumor evolui. Estudar mudanças na expressão gênica nos dá uma visão mais clara de como os tumores se adaptam e se desenvolvem.

Para estudar a evolução do câncer, os pesquisadores estão usando uma técnica chamada Sequenciamento de RNA de célula única. Esse método examina a expressão gênica de células individuais em vez de fazer uma média entre várias células. Entendendo a expressão gênica em nível de célula única, podemos ver como diferentes subclones reagem ao ambiente e evoluem ao longo do tempo.

Como Funciona o Sequenciamento de RNA de Célula Única

Nesse approach, os pesquisadores pegam células cancerígenas individuais e medem quão ativas estão diferentes genes. Isso ajuda a identificar quais genes são mais ou menos ativos em diferentes subclones do câncer. Coletando essas informações, os cientistas esperam entender como esses subclones se adaptam ao ambiente, que é influenciado por fatores como o sistema imunológico e nutrientes disponíveis.

O sequenciamento de RNA de célula única tem várias vantagens. Ele fornece uma visão detalhada da população celular, permitindo que os pesquisadores vejam mudanças na expressão gênica que uma análise em massa pode perder. Estudando como as células mudam ao longo do tempo, os pesquisadores podem aprender sobre as pressões que influenciam sua sobrevivência e crescimento.

Modelando a Evolução da Expressão Gênica

Um método que os pesquisadores usam para modelar como a expressão gênica muda ao longo do tempo é o processo de Ornstein-Uhlenbeck (OU). Essa técnica ajuda a entender como genes específicos se comportam e se adaptam em diferentes ambientes. O processo de OU observa como a expressão gênica pode evoluir para certos níveis "otimizados" baseados em pressões seletivas.

Por exemplo, se um subclone é melhor em sobreviver em um ambiente específico, pode mostrar aumento na expressão de certos genes. Por outro lado, se outra linhagem é menos adequada para aquele ambiente, pode expressar outros genes de forma diferente. Essa modelagem ajuda a esclarecer como a expressão gênica é influenciada tanto por fatores genéticos quanto ambientais.

Pesquisando Melanoma

Uma das áreas de foco tem sido o melanoma, um tipo de câncer de pele. Os pesquisadores analisaram uma linhagem específica de células de melanoma chamada B2905. Essa linhagem produz muitos subclones com características diferentes. Algumas células crescem rápido e resistem a terapias, enquanto outras crescem mais devagar e são mais sensíveis ao tratamento.

Isolando esses diferentes subclones e estudando sua expressão gênica, os pesquisadores tentaram identificar padrões que explicam por que algumas células sobrevivem e outras não. Eles usaram sequenciamento de RNA de célula única para coletar dados detalhados sobre a expressão gênica de cada subclone.

Identificando Expressão Gênica Adaptativa

Através da análise, os pesquisadores descobriram que um número significativo de genes mostraram sinais de Adaptação em diferentes subclones. Esses genes adaptativos estão ligados à capacidade das células de sobreviver em ambientes em mudança, como quando o sistema imunológico as ataca ou quando diferentes tratamentos são aplicados.

Em particular, os pesquisadores focaram em três grupos de subclones com base em quão agressivos eram e como respondiam ao tratamento:

  1. Alta agressividade e resistentes ao tratamento.
  2. Alta agressividade e sensíveis ao tratamento.
  3. Baixa agressividade e sensíveis ao tratamento.

Examinando esses grupos, os cientistas identificaram genes específicos cuja expressão mudou de formas que sugeriram adaptação.

Diferentes Papéis Funcionais dos Genes Adaptativos

Os pesquisadores descobriram que os tipos de genes adaptativos variavam entre os diferentes grupos de subclones. Nos subclones agressivos e resistentes, genes relacionados à migração celular e invasão eram prevalentes. Isso sugere que essas células são melhores em se espalhar e sobreviver, mesmo quando enfrentam tratamento. Por outro lado, no grupo agressivo, mas sensível, os genes ligados ao crescimento e reprodução eram mais comuns.

O estudo constatou que mudanças na expressão gênica estavam frequentemente conectadas a importantes vias biológicas, como as vias de sinalização Wnt. Essas vias desempenham um papel significativo em como as células crescem e interagem com seu ambiente. A ativação diferente dessas vias em vários subclones pode explicar as diferenças em seus comportamentos e respostas ao tratamento.

Implicações para o Tratamento

Uma das descobertas mais críticas dessa pesquisa é como o conhecimento da expressão gênica adaptativa pode ajudar a melhorar os tratamentos para o câncer. Entendendo quais genes são importantes para a sobrevivência e resistência em diferentes subclones, os pesquisadores podem direcionar melhor suas terapias.

Por exemplo, se genes específicos estão ligados à resistência contra um tratamento, os médicos poderiam combinar terapias para atacar esses genes de forma mais eficaz. Isso poderia levar a menos casos de câncer voltando após o tratamento, além de resultados mais bem-sucedidos para os pacientes.

Desafios e Direções Futuras

Embora essa pesquisa tenha fornecido insights importantes, ainda existem desafios pela frente. O barulho nos dados de célula única pode dificultar a distinção entre sinais fracos de adaptação e aqueles de evolução neutra. Pesquisas futuras podem envolver o uso de sequenciamento de célula única e em massa em conjunto para dar mais clareza a essas descobertas.

Além disso, o estudo focou em uma linhagem específica de melanoma, limitando o escopo. Ampliar esse tipo de pesquisa para diferentes tipos de câncer poderia oferecer insights mais amplos sobre a evolução do câncer e as respostas ao tratamento.

Conclusão

O estudo do câncer evoluiu significativamente ao longo dos anos. Usando técnicas modernas como o sequenciamento de RNA de célula única, os pesquisadores estão obtendo insights mais profundos sobre como os tumores crescem, se adaptam e respondem às terapias. Entender o papel da expressão gênica na evolução do câncer é fundamental para desenvolver tratamentos mais eficazes.

O futuro da pesquisa sobre câncer provavelmente se baseará nessas descobertas. Identificando expressões gênicas adaptativas e ligando-as a comportamentos específicos do câncer, será possível criar abordagens mais direcionadas que podem levar a melhores resultados para os pacientes. Isso representa um caminho emocionante para frente na luta contra o câncer, iluminando o complexo mundo da biologia do câncer e oferecendo esperança para terapias aprimoradas.

Fonte original

Título: Stochastic modelling of single-cell gene expression adaptation reveals non-genomic contribution to evolution of tumor subclones

Resumo: Cancer progression is an evolutionary process driven by the selection of cells adapted to gain growth advantage. We present the first formal study on the adaptation of gene expression in subclonal evolution. We model evolutionary changes in gene expression as stochastic Ornstein-Uhlenbeck processes, jointly leveraging the evolutionary history of subclones and single-cell expression data. Applying our model to sublines derived from single cells of a mouse melanoma revealed that sublines with distinct phenotypes are underlined by different patterns of gene expression adaptation, indicating non-genetic mechanisms of cancer evolution. Interestingly, sublines previously observed to be resistant to anti-CTLA-4 treatment showed adaptive expression of genes related to invasion and non-canonical Wnt signaling, whereas sublines that responded to treatment showed adaptive expression of genes related to proliferation and canonical Wnt signaling. Our results suggest that clonal phenotypes emerge as the result of specific adaptivity patterns of gene expression.

Autores: Teresa Maria Przytycka, M. G. Hirsch, S. Pal, F. R. Mehrabadi, S. Malikic, C. Gruen, A. Sassano, E. Perez-Guijarro, G. Merlino, C. Sahinalp, E. Molloy, C.-P. Day

Última atualização: 2024-04-20 00:00:00

Idioma: English

Fonte URL: https://www.biorxiv.org/content/10.1101/2024.04.17.588869

Fonte PDF: https://www.biorxiv.org/content/10.1101/2024.04.17.588869.full.pdf

Licença: https://creativecommons.org/publicdomain/zero/1.0/

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 biorxiv pela utilização da sua interoperabilidade de acesso aberto.

Mais de autores

Artigos semelhantes