A pesquisadora brasileira Tathiane Malta (foto), da Faculdade de Ciências Farmacêuticas da USP, em Ribeirão Preto, é primeira autora de estudo selecionado como Late-Breaking Research no AACR 2023 que apresenta novos stemness index (do inglês, índice de semelhança com célula-tronco) para avaliar o grau de desdiferenciação oncogênica em amostras de tumor. “O direcionamento das proteínas identificadas e dos mecanismos celulares que conduzem um fenótipo de stemness com drogas existentes ou novas pode eventualmente levar ao desenvolvimento clínico de tratamentos eficazes para pacientes com câncer”, afirmam os autores.
A progressão e a resistência terapêutica no câncer têm sido fortemente associadas à aquisição de um fenótipo stemness. No estudo, os pesquisadores utilizaram um modelo de machine learning para predizer o fenótipo molecular stemness com base em dados proteômicos. O modelo preditivo foi construído a partir de células-tronco pluripotentes humanas do Human Induced Pluripotent Stem Cells Consortium (HipSci) e aplicado para calcular índices de stemness nas amostras tumorais do Clinical Proteomic Tumor Analysis Consortium (CPTAC), consistindo em suas características proteogenômicas de stemness.
“Os scores de stemness obtidos com base na expressão da proteína é uma estratégia nova e original e é significativamente mais robusta em comparação com nosso trabalho publicado anteriormente (Malta et al, Cell, 2018). O escore proteômico obtido é capaz de classificar células-tronco e células não-tronco”, esclarecem os autores.
A análise inicial de mais de 2 mil amostras tumorais obtidas de doze tipos de carcinomas primários de mama, ovário, pulmão, rim, útero, cérebro (pediátrico e adulto), cabeça e pescoço, fígado, estômago, cólon e pâncreas confirmou os resultados da publicação anterior do grupo de pesquisa.
A indexação de tumores CPTAC com escore de stemness proteômico trouxe achados anteriormente não apreciados. Os pesquisadores integraram os escores de stemness calculados usando proteínas com expressão gênica, metilação do DNA, microRNA, alteração do número de cópias e modificação pós-traducional de proteínas para identificar associação proteogenômica coerente de stemness.
Os achados iniciais identificaram proteínas e fosfoproteínas como nódulos ativos de vias de sinalização e redes de transcrição que impulsionam a agressividade dos tumores primários que causam resistência às terapias existentes. A correlação entre os escores de stemness e a expressão da proteína resultou na identificação de potenciais alvos de drogas para a terapia anticancerígena, tanto específicas do tumor quanto compartilhadas entre diferentes tipos de tumor.
“Nossos resultados revelaram proteínas associadas a stemness preditivas de desfecho clínico nos tipos de tumor analisados. Por fim, validamos alguns alvos de stemness por imunohistoquímica em amostras independentes e confirmamos a associação com o desfecho clínico”, concluem os autores.
Referência: LB061 / 4 - Proteomic-based stemness score measure oncogenic dedifferentiation and enable the identification of druggable targets
Sessão: LBPO.BCS01 - Late-Breaking Research: Bioinformatics, Computational Biology, Systems Biology, and Convergent Science 1
Data: April 17, 2023, 9:00 AM - 12:30 PM
Autores: Tathiane M. Malta, Iga Kołodziejczak, Renan Simões, Antonio Colaprico, Erik Storrs, Francesca Petralia, Felipe Da v Leprevost, Rossana L. Segura, Elizabeth Demicco, Alexander J. Lazar, Weiping Ma, Pietro Pugliese, Michele Ceccarelli, Bozena Kamińska, Alexey I. Nesvizhski, Bing Zhang, Henry Rodriguez, Mehdi Mesri, Ana I. Robles, Clinical Proteomic Tumor Analysis Consortium, Li Ding, Maciej Wiznerowicz.
