Con el aumento de casos de cáncer en todo el mundo, la enfermedad se ha vuelto cada vez más compleja, desafiando a la ciencia en la búsqueda de avances en el diagnóstico y el tratamiento. En este escenario, la inteligencia artificial (IA) ha sido un aliado en los modelos de predicción y detección de casos. Una herramienta desarrollada por investigadores de la Facultad de Medicina de Ribeirão Preto de la Universidad de São Paulo (FMRP-USP) y de Polonia puede contribuir a este proceso.
El modelo de aprendizaje automático demostró ser capaz de predecir la agresividad de algunos tipos de tumor es a través de proteínas específicas, generando un índice del grado de stemness que varía de bajo (cero) a alto (uno). A medida que esta tasa aumenta, el cáncer tiende a ser más agresivo, resistente a los medicamento s y propenso a reaparecer.
El grado de pluripotencialidad se refiere a cuánto se parecen las células tumor ales a las células madre pluripotentes, aquellas con la capacidad de transformarse en casi todos los tipos de células del cuerpo humano. Cuanto más progresa la enfermedad, menos se parecen las células malignas al tejido del que se originaron, autorrenovándose y con un fenotipo indiferenciado.
Para desarrollar la herramienta, los científicos utilizaron conjuntos de datos del Consorcio de Análisis Proteómico Clínico de Tumor es (CPTAC) para 11 tipos de cáncer y desarrollaron el índice de pluripotencialidad basado en la expresión de proteínas (PROTsi). Se analizaron más de 1.300 muestras de casos de mama, ovario, pulmón – carcinoma escamocelular y adeno carcinoma –, riñón, útero, cerebro (pediátrico y adulto), cabeza y cuello, colon y páncreas.
Al integrar PROTsi con datos proteómicos de 207 células madre pluripotentes, el grupo identificó proteínas que impulsan la agresividad de algunos tipos de estos tumor es. Estas moléculas podrían ser posibles objetivos para nuevas terapias generales o específicas. Con ello, la herramienta también contribuye a la personalización de la terapia anti cancer ígena, además de avanzar en el desarrollo clínico de tratamientos.
Los resultados del estudio, incluida la validación de los resultados, se publicaron hoy (17/04) en la revista científica Cell Genomics.
Muchas de estas proteínas ya son dianas de fármaco s disponibles en el mercado para pacientes con cáncer y otras enfermedades. A partir de esta identificación, podrán evaluarse en estudios futuros. Las descubrimos al asociar el fenotipo de células madre con la agresividad tumor al, explicó a Agência FAPESP la profesora Tathiane Malta, del Laboratorio de Multiómica y Oncología Molecular de la FMRP-USP.
El autor correspondiente del artículo, junto con el profesor Maciej Wiznerowicz, de la Universidad de Ciencias Médicas de Poznan (Polonia), Malta, cuenta con el apoyo de la FAPESP a través del programa de Apoyo a Jóvenes Investigadores (proyectos 19/14928-1 y 18/00583-0).
Por el trabajo realizado a lo largo de los años, la profesora fue una de las ganadoras, en 2022, de un premio que tiene como objetivo promover y reconocer la participación femenina en la ciencia (leer más en: agencia.FAPESP.br/40222).
En 2018, Malta fue la primera autora de un artículo publicado en Cell, fruto de su investigación postdoctoral, en el que el grupo desarrolló un índice de stemness capaz de medir objetivamente el grado de similitud de muestras tumor ales con células madre pluripotentes (leer más en: agencia.FAPESP.br/27509).
En aquel momento, desarrollamos el algoritmo con base en aprendizaje automático utilizando el banco público de tumor es del Atlas del Genoma del Cáncer (TCGA) en Estados Unidos. Utilizamos datos de expresión génica, cuantificando el ARN y la epigenómica, con metilación del ADN. Ahora trabajamos con el banco CPTAC, basado en proteómica, y lo hemos actualizado con análisis de proteínas, una molécula funcional que se adapta a las posibilidades de tratamiento y aplicación clínica, añade Malta.
En los resultados obtenidos ahora, PROTsi se correlacionó positivamente con puntajes de pluripotencialidad basados??en transcriptoma publicados previamente, incluido el modelo de 2018. Fue más eficaz, por ejemplo, a la hora de distinguir entre muestras tumor ales y no tumor ales.
Para Renan Santos Simões, estudiante de Malta que comparte la primera autoría del artículo con Iga Kolodziejczak-Guglas, del Instituto Internacional de Oncología Molecular (Poznan), el progreso alcanzado en la caracterización de stemness, considerando los niveles de proteínas y sus modificaciones, abre el camino para una comprensión más profunda de la progresión tumor al y los mecanismos de resistencia a las terapias actuales.
"La ciencia avanza poco a poco, con cuidado y construida por muchas manos. Es gratificante ver que estamos contribuyendo a este proceso. Esto es lo que nos motiva: saber que lo que hacemos hoy puede marcar una verdadera diferencia para los pacientes, mejorando los tratamientos y la calidad de vida», afirma Simões, becario de la FAPESP. La investigación también contó con la participación del brasileño Emerson de Souza Santos, también estudiante de Malta.
Marco
En el último Día Mundial contra el Cáncer, celebrado el 4 de febrero, la Organización Mundial de la Salud (OMS) alertó que 40 personas por minuto son diagnosticadas con la enfermedad en el mundo, teniendo que someterse a tratamientos oncológicos.
Una de las principales causas de muerte, los tumor es han afectado más a la población joven. Un estudio publicado en 2023 en BMJ Oncology encontró que la incidencia de cáncer de aparición temprana en adultos menores de 50 años creció un 79% entre 1990 y 2019, además de un aumento del 28% en las muertes. Se analizaron 29 tipos de cáncer en 204 países.
En Brasil, el Instituto Nacional del Cáncer (Inca) estima que habrá 704 mil nuevos registros por año en el trienio 2023-2025. Según la publicación Estimación 2023 – Incidencia de Cáncer en Brasil, los tumor es malignos más comunes son los de piel no melanoma (31% del total de casos), seguidos de los de mama femenina (10,5%), próstata (10%), colon y recto (6,5%), pulmón (4,6%) y estómago (3%).
Resultados
En el proceso de validación, PROTsi funcionó de manera consistente en múltiples conjuntos de datos, distinguiendo claramente las células madre de las diferenciadas, con diferentes tumor es posicionados en el medio. En los resultados clínicos, PROTsi fue predictivo en casos de cáncer de útero y de cabeza y cuello, por ejemplo.
Además, la herramienta pudo diferenciar mejor los tumor es de mayor grado en muestras de adeno carcinoma, cáncer de útero, de páncreas y de cerebro pediátrico. “Buscamos crear un modelo aplicable a cualquier tipo de cáncer, pero descubrimos que funciona mejor con algunos tipos que con otros. Estamos poniendo a disposición una fuente de datos para trabajos futuros”, afirma Malta.
Según el profesor, el grupo de la USP continúa probando otros modelos computacionales para mejorar las predicciones.
El artículo "El puntaje de pluripotencialidad basado en proteómica mide la desdiferenciación oncogénica y permite la identificación de objetivos farmaco lógicos" se puede leer en: www.sciencedirect.com/science/article/pii/S2666979X25001077?via%3Dihub1.