Investigación encuentra firma genética única en diferentes tipos de cáncer

Una investigación colaborativa liderada por la bioinformática Mabel Vidal, de la Universidad de Concepción, y con la participación de investigadores de MELISA Institute y otras instituciones académicas, identificó una firma genética única entre los subconjuntos de células T infiltrantes de diferentes tipos de cáncer, luego de analizar datos de un repositorio público, de CD4-T, Células CD8-T y Treg. El estudio fue publicado en la revista International Journal of Molecular Sciences.

El sistema inmunológico está formado por diferentes células que, en su conjunto, protegen al cuerpo de infecciones o el crecimiento de células tumorales. Los linfocitos T, son los principales actores en el reconocimiento de antígenos patogénicos o transformación neoplásica. Estos, se pueden dividir en tres subpoblaciones principales: células T citotóxicas CD8+, que destruyen a los agentes patogénicos, células T auxiliares CD4+, que participan en la diferenciación de distintos linajes efectores, y Tregs, que regulan o modulan la respuesta inmune.

Si bien se sabe que estos subconjuntos de células T infiltran diferentes tipos de cáncer, no está claro si exhiben o no perfiles de expresión génica mediante ARNm -conocido como transcriptoma- similares en comparación con las células T residentes de tejidos sanos. Por tal razón, en esta investigación se analizó el transcriptoma unicelular de 5 tumores infiltrantes CD4-T, CD8-T y Tregs obtenidos de diferentes tipos de cáncer, buscando identificar vías específicas para cada subconjunto en ambientes malignos. 

Primeramente, se buscaron datos del transcriptoma de los cánceres más comunes (cáncer colorrectal, de mama, de pulmón, de cabeza y cuello, y melanoma) en repositorios públicos (Gene Expression Omnibus), se clasificaron los distintos tipos de células y se filtraron sólo aquellos datos de ARNm que correspondían a las células T, para luego identificar las vías y funciones biológicas que eran comunes entre los distintos tipos de cánceres y que no se expresan en las condiciones de control.

Para la dra. Mabel Vidal, la utilización de inteligencia artificial (IA) fue una herramienta fundamental para analizar el gran volumen de datos e identificar y eliminar errores en ellos: “clasificar los distintos tipos de células de manera no supervisada fue un gran desafío, porque aun conociendo previamente la identidad que tiene cada una de las células T, como científico tienes que generar un algoritmo de clasificación que sea capaz de automatizar esta tarea para grandes volúmenes de datos”, detalló la científica. Asimismo, agregó que, al tomar datos públicos, la información provenía de experimentos, instrumentos y objetivos de investigación diferentes en cada caso, por lo que estandarizar la data también fue un reto relevante e importante.  

La segunda parte de la investigación consistió en validar experimentalmente el algoritmo de clasificación, realizando proteómica en los laboratorios de MELISA Institute y utilizando datos de transcriptómica obtenidos previamente del laboratorio de la dra. Estefanía Nova-Lamperti de la Universidad de Concepción.  

Con respecto a la etapa de validación, la dra. Nova-Lamperti explicó que “nosotros ya disponíamos de muestras de pacientes con diferentes tipos de cáncer, y conocíamos parcialmente vías de señalización comunes entre ellas. En esta investigación encontramos que la señalización de las citoquinas que medían la respuesta TH2 se ven aumentadas”.

Por su parte, Mauricio Hernández, Chief Laboratory Officer de MELISA Institute, explicó que “para validar los resultados obtenidos desde los análisis bioinformáticos de transcriptomas de las distintas poblaciones de células T, identificamos el perfil de proteínas, o proteoma, de las células T CD4 utilizando nuestro espectrómetro de masas. En general obtuvimos muy buenas correlaciones desde el punto de vista de las vías de señalización o pathways identificadas”.

La dra. Vidal señaló que este estudio se realizó bajo un contexto de Machine Learning, por lo que, lo siguiente será modelarlo en un contexto de Deep Learning y generar nuevos modelos que sean más precisos para el análisis de single-cell: “la idea es integrar un mayor volumen de datos e identificar patrones en común, quizás de manera más específica. Entonces, la idea es continuar por la línea de inteligencia artificial”.

Finalmente, Prof. Elard Koch, investigador senior y Chairman de MELISA Institute, señaló que estaban complacidos con la colaboración en este estudio dirigido por la Dra. Vidal: "Colaborar y apoyar con nuestras capacidades de proteómica en investigaciones es estimulante para nuestros jóvenes científicos y un objetivo importante para nuestra institución", comentó Koch.

###

M.V. fue financiada por la Agencia Nacional de Investigación y Desarrollo (ANID)/Programa de Becas/DOCTORADO NACIONAL/2020-21201560, Oficina de Posgrado y Facultad de Ingeniería de la Universidad de Concepción y ANID-CONICYT Fondecyt Regular 1211480. M.H. y E. K. fueron parcialmente apoyados por el Grant CLA-022022-1 FISAR. F.R.-L. contó con el apoyo de un Fondecyt Grant Regular (proyecto número 1211841; ANID; Gobierno de Chile). E.V.-V. agradece el apoyo del Grant de Iniciación Fondecyt (número de proyecto 11221308; Agencia Nacional de Investigación y Desarrollo de Chile, Gobierno de Chile). G.C.-V. reconoce el apoyo de ANID-CONICYT a través del Grant de Iniciación Fondecyt no. 11191130. E.N.-L. fue financiada por ANID-CONICYT Fondecyt Regular 1211480.

Investigadores participantes:

Mabel Vidal, Departamento de Ciencias de la Computación, Universidad de Concepción; Marco Fraga, Faryd Llerena, y Agustín Vera, Laboratorio de Inmunología Molecular y Traslacional, Departamento de Bioquímica e Inmunología Clínica, Facultad de Farmacia, Universidad de Concepción; Mauricio Hernández y Elard Koch, MELISA Institute; Felipe E. Reyes-López, Departamento de Biología Celular, Fisiología e Inmunología, Universitat Autònoma de Barcelona, Facultad de Medicina Veterinaria y Agronomía, Universidad de Las Américas, Consorcio Tecnológico de Sanidad Acuícola, Ictio Biotechnologies S.A.; Eva Vallejos-Vidal, Centro de Biotecnología Acuícola, Departamento de Biología, Facultad de Química y Biología, Universidad de Santiago de Chile; Guillermo Cabrera-Vives, Departamento de Ciencias de la Computación, Universidad de Concepción; Estefanía Nova-Lamperti, Laboratorio de Inmunología Molecular y Traslacional, Departamento de Bioquímica e Inmunología Clínica, Facultad de Farmacia, Universidad de Concepción.