 |
| O modelo de aprendizado de máquina se mostrou capaz de prever por meio de proteínas específicas a agressividade de alguns tipos de tumor (foto: Tathiane Malta/USP) |
Desenvolvido na USP, modelo usa expressão proteica para compor índice stemness, que analisa semelhança de tumor com células-tronco pluripotentes. Artigo foi publicado hoje na Cell Genomics
Com o aumento dos casos de
câncer no mundo, a doença tem se mostrado cada vez mais complexa, desafiando a ciência
na busca por avanços no diagnóstico e tratamento. Nesse cenário, a inteligência
artificial (IA) vem sendo uma aliada em modelos de predição e detecção de
casos. Uma ferramenta desenvolvida por pesquisadores da Faculdade de Medicina
de Ribeirão Preto da Universidade de São Paulo (FMRP-USP) e da Polônia pode
contribuir nesse processo.
O modelo de aprendizado de
máquina se mostrou capaz de prever por meio de proteínas específicas a
agressividade de alguns tipos de tumor, gerando um índice para o grau de stemness que
varia de baixo (zero) a alto (um). Conforme aumenta esse índice, o câncer tende
a ser mais agressivo, resistente a medicamentos e propenso a recidivas.
O grau stemness se
refere a quanto as células tumorais se assemelham a células-tronco pluripotentes,
aquelas com capacidade de se transformar em quase todos os tipos de célula do
organismo humano. Quanto mais a doença avança, menos as células malignas se
parecem com o tecido do qual se originaram, se autorrenovando e com fenótipo
indiferenciado.
Para desenvolver a ferramenta,
os cientistas utilizaram conjuntos de dados do Consórcio de Análise Proteômica
Clínica de Tumores (CPTAC, na sigla em
inglês) referentes a 11 tipos de câncer e desenvolveram o índice de stemness baseado
na expressão proteica (PROTsi). Foram analisadas mais de 1.300 amostras de
casos de mama, ovário, pulmão – carcinoma de células escamosas e adenocarcinoma
–, rim, útero, cérebro (pediátrico e adulto), cabeça e pescoço, cólon e
pâncreas.
Por meio da integração do
PROTsi com dados proteômicos de 207 células-tronco pluripotentes, o grupo
identificou proteínas que impulsionam a agressividade de alguns tipos desses
tumores. Essas moléculas podem ser possíveis alvos para novas terapias gerais
ou específicas. Com isso, a ferramenta também contribui para a personalização
da terapia anticâncer, além do avanço do desenvolvimento clínico de
tratamentos.
Os achados do estudo, incluindo
a validação dos resultados, foram publicados hoje
(17/04) na revista científica Cell Genomics.
“Muitas dessas proteínas já são
alvos de medicamentos disponíveis no mercado para pacientes de câncer e outras
doenças. Podem ser testadas em trabalhos futuros a partir dessa identificação.
Chegamos a elas ao fazer a associação entre o fenótipo de stemness e
a agressividade tumoral”, explica à Agência FAPESP a
professora Tathiane Malta, do
Laboratório de Multiômica e Oncologia Molecular da FMRP-USP.
Autora correspondente do
artigo, juntamente com o professor Maciej Wiznerowicz, da Poznan University of
Medical Sciences (Polônia), Malta tem apoio da FAPESP por meio do programa
Apoio a Jovens Pesquisadores (projetos 19/14928-1 e 18/00583-0).
Pelo trabalho desenvolvido ao
longo dos anos, a professora foi uma das vencedoras, em 2022, de um prêmio que
visa promover e reconhecer a participação feminina na ciência (leia mais
em: agencia.fapesp.br/40222).
Em 2018, Malta foi a primeira
autora de um artigo divulgado na Cell,
resultado de sua pesquisa de pós-doutorado, em que o grupo desenvolveu um índice stemness capaz
de medir de forma objetiva o grau de similaridade de amostras tumorais com
células-tronco pluripotentes (leia mais em: agencia.fapesp.br/27509).
“À época desenvolvemos o algoritmo
baseado em aprendizado de máquina usando o banco público de tumores mantido
pelo The Cancer Genome Atlas (TCGA), nos Estados
Unidos. Nos baseamos em dados de expressão gênica, quantificando RNA, e de
epigenômica, com metilação no DNA. Agora trabalhamos com o banco do CPTAC,
baseado em proteômica, e fizemos um update com as análises de
proteína, uma molécula funcional que se enquadra em possibilidades de
tratamento e aplicação clínica”, completa Malta.
Nos resultados obtidos agora, o
PROTsi correlacionou-se positivamente com escores de stemness baseados
em transcriptomas previamente publicados, incluindo o modelo de 2018. Foi mais
eficaz, por exemplo, na distinção entre amostras tumorais e não tumorais.
Para Renan Santos Simões,
orientando de Malta e que divide a primeira autoria do artigo com Iga
Kołodziejczak-Guglas, do International Institute for Molecular Oncology
(Poznań), o avanço obtido na caracterização do stemness,
considerando os níveis de proteína e suas modificações, abre caminho para uma
compreensão mais profunda da progressão tumoral e dos mecanismos de resistência
às terapias atuais.
“A ciência avança aos poucos,
de forma cuidadosa e construída em muitas mãos. É gratificante perceber que
estamos contribuindo com esse processo. É isso que nos motiva: saber que o que
fazemos hoje pode significar uma diferença real para os pacientes, aprimorando
os tratamentos e a qualidade de vida”, afirma Simões, bolsista da
FAPESP. A pesquisa contou ainda com a participação do brasileiro Emerson de Souza Santos,
também aluno de Malta.
Quadro
No último Dia Mundial do
Câncer, lembrado em 4 de fevereiro, a Organização Mundial da Saúde (OMS)
alertou que 40 pessoas por minuto recebem diagnóstico da doença no mundo, tendo
de se submeter a tratamentos oncológicos.
Uma das principais causas de
morte, os tumores têm afetado mais a população jovem. Estudo publicado em
2023 na BMJ Oncology pontou que a incidência de câncer de
início precoce em adultos com menos de 50 anos cresceu 79% entre 1990 e 2019,
além de aumento de 28% dos óbitos. Foram analisados 29 tipos de câncer em 204
países.
No Brasil, o Instituto Nacional
de Câncer (Inca) estima que haja 704 mil novos registros por ano no triênio
2023-2025. De acordo com a publicação Estimativa 2023 – Incidência de Câncer no Brasil, os
tumores malignos mais comuns são o de pele não melanoma (31% do total de
casos), seguido de mama feminina (10,5%), próstata (10%), cólon e reto (6,5%),
pulmão (4,6%) e estômago (3%).
Resultados
No processo de validação, o
PROTsi apresentou desempenho consistente em vários conjuntos de dados,
distinguindo claramente células-tronco das diferenciadas, com diferentes
tumores se posicionando em níveis intermediários. No desfecho clínico, o PROTsi
foi preditivo em casos de câncer de útero e cabeça e pescoço, por exemplo.
Além disso, a ferramenta
conseguiu diferenciar melhor os tumores de maior grau em amostras de
adenocarcinoma, útero, pâncreas e câncer de cérebro pediátrico. “Buscamos
montar um modelo que pode ser aplicado para qualquer câncer, mas vimos que
funciona melhor para alguns do que para outros. Estamos deixando uma fonte de
dados à disposição para trabalhos futuros”, diz Malta.
Segundo a professora, o grupo
da USP continua testando outros modelos computacionais para aprimorar as
previsões.
O artigo Proteomic-based
stemness score measures oncogenic dedifferentiation and enables the
identification of druggable targets pode ser lido em: www.sciencedirect.com/science/article/pii/S2666979X25001077?via%3Dihub1.
Agência FAPESP
https://agencia.fapesp.br/ferramenta-baseada-em-ia-mede-agressividade-de-cancer-e-abre-caminho-para-novas-terapias/54517
Nenhum comentário:
Postar um comentário