Investigadores han desarrollado un modelo de inteligencia artificial (IA) basado en factores epigenéticos que puede predecir con éxito los resultados de los pacientes en múltiples tipos de cáncer.
Investigadores de la UCLA descubrieron que ciertos genes que codifican factores epigenéticos en los tumores tienen una asociación predictiva con el resultado clínico en todos los tipos de cáncer.
Los investigadores descubrieron que al examinar los patrones de expresión genética de los factores epigenéticos (factores que influyen en cómo se activan o desactivan los genes) en los tumores, podían categorizarlos en distintos grupos para predecir los resultados de los pacientes en varios tipos de cáncer mejor que las medidas tradicionales como el grado del cáncer y escenario.
Estos hallazgos también sientan las bases para el desarrollo de terapias dirigidas destinadas a regular los factores epigenéticos en la terapia del cáncer, como las histonas acetiltransferasas y los remodeladores de cromatina SWI/SNF.
“Tradicionalmente, se ha considerado que el cáncer es principalmente el resultado de mutaciones genéticas dentro de oncogenes o supresores de tumores“, dijo la coautora principal Hilary Coller, profesora de biología molecular, celular y del desarrollo y miembro del Centro Integral de Cáncer Jonsson de UCLA Health y el Centro Eli y Edythe Broad de Medicina Regenerativa e Investigación de Células Madre de la UCLA.
“Sin embargo, la aparición de tecnologías avanzadas de secuenciación de próxima generación ha hecho que más personas se den cuenta de que el estado de la cromatina y los niveles de factores epigenéticos que mantienen este estado son importantes para el cáncer y su progresión.
Hay diferentes aspectos del estado de la cromatina (como si las proteínas histonas están modificadas o si las bases de los ácidos nucleicos del ADN contienen grupos metilo adicionales) que pueden afectar los resultados del cáncer.
Comprender estas diferencias entre tumores podría ayudarnos a aprender más sobre por qué algunos pacientes responden de manera diferente a los tratamientos y por qué sus resultados varían”.
Si bien estudios anteriores han demostrado que las mutaciones en los genes que codifican factores epigenéticos pueden afectar la susceptibilidad al cáncer de un individuo, se sabe poco sobre cómo los niveles de estos factores afectan la progresión del cáncer.
Esta brecha de conocimiento es crucial para comprender completamente cómo la epigenética afecta los resultados de los pacientes, señaló Coller.
Para ver si existía una relación entre los patrones epigenéticos y los resultados clínicos, los investigadores analizaron los patrones de expresión de 720 factores epigenéticos para clasificar tumores de 24 tipos diferentes de cáncer en distintos grupos.
De los 24 tipos de cáncer en adultos, el equipo encontró que para 10 de los cánceres, los grupos se asociaban con diferencias significativas en los resultados de los pacientes, incluida la supervivencia libre de progresión, la supervivencia específica de la enfermedad y la supervivencia general.
Esto fue especialmente cierto para el carcinoma adrenocortical, el carcinoma de células claras renales, el glioma cerebral de grado inferior, el carcinoma hepatocelular de hígado y el adenocarcinoma de pulmón, donde las diferencias fueron significativas para todas las mediciones de supervivencia.
Los grupos con malos resultados tendían a tener un estadio de cáncer más alto, un tamaño de tumor más grande o indicadores de diseminación más graves.
“Vimos que la eficacia pronóstica de un factor epigenético dependía del tejido de origen del tipo de cáncer”, dijo Mithun Mitra, coautor principal del estudio y científico asociado del proyecto en el laboratorio Coller.
“Incluso vimos este vínculo en los pocos tipos de cáncer pediátrico que analizamos.
Esto puede ser útil para decidir la relevancia específica del cáncer de abordar terapéuticamente estos factores”.
Luego, el equipo utilizó niveles de expresión genética del factor epigenético para entrenar y probar un modelo de IA para predecir los resultados de los pacientes.
Este modelo fue diseñado específicamente para predecir lo que podría suceder con los cinco tipos de cáncer que tenían diferencias significativas en las medidas de supervivencia.
Los científicos descubrieron que el modelo podía dividir con éxito a los pacientes con estos cinco tipos de cáncer en dos grupos: uno con una probabilidad significativamente mayor de obtener mejores resultados y otro con una mayor probabilidad de obtener peores resultados.
También vieron que los genes más cruciales para el modelo de IA tenían una superposición significativa con los genes característicos que definen el grupo.
“El modelo de IA pan-cáncer se entrena y prueba en pacientes adultos de la cohorte TCGA y sería bueno probarlo en otros conjuntos de datos independientes para explorar su amplia aplicabilidad”, dijo Mitra.
“Se podrían generar modelos similares basados en factores epigenéticos para cánceres pediátricos para ver qué factores influyen en el proceso de toma de decisiones en comparación con los modelos creados con cánceres de adultos”.
“Nuestra investigación ayuda a proporcionar una hoja de ruta para modelos de IA similares que pueden generarse a través de listas de factores epigenéticos de pronóstico disponibles públicamente“, dijo el primer autor del estudio, Michael Cheng, estudiante de posgrado en el Programa Interdepartamental de Bioinformática de UCLA.
“La hoja de ruta demuestra cómo identificar ciertos factores influyentes en diferentes tipos de cáncer y contiene un potencial interesante para predecir objetivos específicos para el tratamiento del cáncer”.
Fuente: Communications Biology