Identificación de Genes Pronósticos en el Microambiente Inmune del Adenocarcinoma de Pulmón
El adenocarcinoma de pulmón (LUAD) es el subtipo histológico más común de cáncer pulmonar y una de las principales causas de muertes relacionadas con cáncer a nivel mundial. El microambiente inmunológico tumoral, compuesto por células inmunes y estromales infiltrantes, desempeña un papel crítico en el pronóstico de los pacientes con LUAD. Los avances recientes en tecnologías de secuenciación de alto rendimiento han revolucionado la investigación oncológica, permitiendo el análisis de datos clínicos a gran escala para mejorar el diagnóstico, tratamiento y prevención del cáncer. Este estudio tuvo como objetivo explorar la correlación entre las puntuaciones inmunes y estromales en pacientes con LUAD e identificar genes diferencialmente expresados (DEGs) con valor pronóstico. Utilizando el algoritmo ESTIMATE, se calcularon las puntuaciones inmunes y estromales de pacientes con LUAD de la base de datos The Cancer Genome Atlas (TCGA), y se identificaron DEGs basados en estas puntuaciones. La significancia pronóstica de estos genes se validó mediante la base de datos Gene Expression Omnibus (GEO), el analizador Kaplan-Meier (K-M) y herramientas bioinformáticas como STRING y el análisis de enriquecimiento de conjuntos génicos (GSEA).
Antecedentes y Relevancia
El microambiente tumoral es una red compleja de células tumorales malignas, células mesenquimales, mediadores inflamatorios, células endoteliales, células estromales, células inmunes y células epiteliales normales. Este microambiente influye significativamente en la progresión del cáncer, incluido el LUAD. El algoritmo ESTIMATE, desarrollado por Yoshihara et al., predice la infiltración de células estromales e inmunes en muestras tumorales basándose en perfiles transcripcionales. Este algoritmo se ha aplicado exitosamente en diversos cánceres, como próstata, glioblastoma, colon, tiroides, mama y leucemia mieloide aguda, para identificar genes con valor pronóstico.
Diseño del Estudio y Metodología
Se analizaron 522 pacientes con LUAD de la base de datos TCGA con información clínica completa. Los factores clinicopatológicos incluyeron edad, género, estadio T, N, M y TNM. El 53.6% eran mujeres y 46.4% hombres, con una edad promedio de 66 años. La distribución por estadio T fue: T1 (33.0%), T2 (53.8%), T3 (9.0%) y T4 (3.6%). En estadio N: N0 (64.2%), N1 (18.8%), N2 (14.4%) y N3 (0.4%). En estadio M: M0 (67.6%) y M1 (4.8%). Más de la mitad estaban en estadios I y II sin metástasis.
El algoritmo ESTIMATE calculó las puntuaciones inmunes y estromales, divididas en grupos altos y bajos según la mediana. Las puntuaciones estromales variaron entre -372.83 y 351.82, y las inmunes entre -172.02 y 656.87. El análisis de supervivencia de Kaplan-Meier mostró que pacientes con puntuaciones inmunes bajas tenían menor supervivencia global (P = 0.013), mientras que la puntuación estromal no mostró distinción clara (P = 0.038).
Identificación de Genes Diferencialmente Expresados
Se identificaron 72 DEGs: 64 sobreexpresados y 8 subexpresados. Los análisis de ontología génica (GO) y KEGG revelaron que estos DEGs estaban asociados principalmente a procesos inmunes. La red de interacción proteína-proteína (PPI), construida con STRING, contenía 49 nodos y 172 aristas. El algoritmo MCODE identificó dos módulos significativos. El análisis de supervivencia mostró que 22 genes estaban asociados significativamente con el pronóstico (P < 0.05). Seis genes se validaron en GEO, y cinco (ABI3BP, CSF2RB, KBTBD8, PKHD1L1 y SCML4) se confirmaron en K-M.
Análisis Funcional y de Vías
El enriquecimiento funcional de los 22 genes pronósticos destacó su participación en respuestas inmunes. El GSEA con conjuntos génicos de Biocarta reveló que los cinco genes clave estaban enriquecidos en vías como TCR, IL2RB, FCER1, FMLP, CTCF, TOB1, CTLA4, GH, IL7, NO2IL12, IL12 y TH1TH2.
Discusión
Se identificaron cinco genes clave (CSF2RB, PKHD1L1, ABI3BP, SCML4 y KBTBD8) con valor pronóstico en LUAD. ABI3BP, un biomarcador potencial en cáncer de pulmón, suprime líneas celulares cancerosas. CSF2RB induce apoptosis, mientras PKHD1L1 inhibe crecimiento e invasión en cáncer de tiroides. Las funciones de KBTBD8 y SCML4 requieren investigación adicional. Las vías asociadas, como TCR y CTLA4, son críticas en regulación inmune, aunque sus mecanismos en LUAD necesitan validación experimental.
Limitaciones y Futuras Direcciones
Aunque este estudio identificó genes pronósticos mediante herramientas bioinformáticas, se requiere validación experimental en muestras humanas. Futuras investigaciones deben enfocarse en estudios clínicos y experimentos funcionales.
Conclusión
Este estudio integra el algoritmo ESTIMATE y enfoques bioinformáticos para identificar genes clave en el microambiente inmune de LUAD. Los cinco genes identificados representan marcadores pronósticos y dianas terapéuticas prometedoras. Investigaciones futuras son esenciales para validar su potencial en el manejo de LUAD.
doi.org/10.1097/CM9.0000000000001367