Epigenetic profile drives accurate survival prediction in breast cancer via a multi-omics machine learning model

Resumen Técnico: El perfil epigenético impulsa la predicción precisa de la supervivencia en el cáncer de mama mediante un modelo de aprendizaje automático multiómico

Planteamiento del problema
La predicción precisa de la supervivencia global (SG) es fundamental para las estrategias de tratamiento personalizado en el cáncer de mama. Aunque la carga de mutaciones tumorales (TMB) y las mutaciones somáticas han emergido como biomarcadores pronósticos en diversas neoplasias, su utilidad en el cáncer de mama es limitada. La evidencia sugiere que una TMB alta no predice de manera fiable mejores resultados de supervivencia en el cáncer de mama, a diferencia de otros cánceres donde correlaciona con mejores respuestas al bloqueo de puntos de control inmunitario. Los modelos pronósticos existentes suelen depender de tipos de datos aislados (por ejemplo, perfiles de mutaciones por sí solos) o carecen del poder integrador para capturar todo el espectro de la biología tumoral. En consecuencia, existe la necesidad de modelos robustos que integren características tumorales multidimensionales —incluyendo datos genómicos, transcriptómicos, proteómicos y epigenéticos— para superar las limitaciones de los enfoques centrados en las mutaciones y mejorar la precisión pronóstica.

Metodología
El estudio aprovechó los datos de la cohorte de Carcinoma Invasivo de Mama (BRCA) de The Cancer Genome Atlas (TCGA), que comprende 802 pacientes femeninas con anotaciones multiómicas y clínicas exhaustivas. El flujo de trabajo consistió en los siguientes pasos:

1. Integración de datos y selección de características: Los autores integraron características genómicas (mutaciones somáticas, TMB), transcriptómicas (RNA-seq), proteómicas (RPPA y espectrometría de masas), epigenéticas (metilación del ADN) y clínicas. Se utilizaron análisis de correlación iniciales (Pearson y Spearman) y regresión de riesgos proporcionales de Cox penalizada por Lasso para identificar características significativamente asociadas con la SG. Este paso redujo la dimensionalidad y seleccionó un conjunto disperso de variables predictivas.
2. Desarrollo del modelo (BANDOL): Se entrenó un modelo de Bosque de Supervivencia Aleatoria (RSF), denominado BANDOL (Breast cancer Analysis with Neopard Data and Omics Learning), utilizando las características seleccionadas. Se eligió RSF por su capacidad para manejar datos de supervivencia censurados de alta dimensionalidad sin asumir riesgos proporcionales.
3. Estrategia de validación: El rendimiento del modelo se evaluó mediante un enfoque de validación cruzada anidada. El bucle externo (5 pliegues) estimó el rendimiento de generalización, mientras que el bucle interno (5 pliegues) optimizó los hiperparámetros mediante búsqueda de cuadrícula (grid search). El rendimiento se midió utilizando el Índice de Concordancia (C-index) y curvas ROC dependientes del tiempo con el Área Bajo la Curva (AUC) dinámica acumulativa.
4. Interpretabilidad: Se calcularon los valores de las Explicaciones Aditivas de Shapley (SHAP) para cuantificar la contribución de cada característica a las predicciones del modelo, identificando los impulsores más influyentes de la supervivencia.
5. Prueba de transferibilidad: Para evaluar la generalizabilidad, el modelo entrenado en cáncer de mama se aplicó a dos cohortes independientes de TCGA que representan tipos de cáncer distintos: Cáncer Uterino (UEC, n=227) y Glioma de Bajo Grado (LGG, n=189).

Resultos clave

• Poder predictivo limitado de las mutaciones: Los análisis de correlación y la regresión de Cox revelaron que las características mutacionales, incluida la TMB, tuvieron una correlación insignificante con la SG en la cohorte de cáncer de mama. Solo un puñado de características clínicas (por ejemplo, uso de fármacos específicos, edad) y características moleculares no mutacionales mostraron asociaciones significativas con la supervivencia.
• Superioridad de la integración multiómica: El modelo BANDOL entrenado con datos multiómicos alcanzó un C-index de 0.7468, superando significativamente a un modelo entrenado únicamente con datos mutacionales (C-index: 0.5292). El análisis de AUC dependiente del tiempo confirmó esto, con el modelo multiómico alcanzando AUCs entre 0.9 y 1.0, en comparación con el rango de 0.4–0.9 del modelo basado solo en mutaciones.
• Dominancia epigenética: El análisis de valores SHAP identificó las características epigenéticas como los predictores más fuertes de la SG. Específicamente, los niveles de metilación de ME3, PPARG, OLIG3 y SLC25A22 fueron impulsores críticos de las predicciones del modelo.
• Perspectivas biológicas:
  • Mayor SG: Asociada con firmas de activación inmunitaria, incluyendo células T ingenuas, células mieloides, señalización de IL-2, vías de IFN Tipo I y patrones específicos de expresión de ARNm/proteína (por ejemplo, IRF2, ESRRG, MAP2K6).
  • Menor SG: Vinculada a firmas inmunosupresoras, incluyendo células mieloides TREM2+, células B, señalización de leptina y niveles elevados de PELO, MAFA y NFKB1 fosforilado.
• Transferibilidad trans-cáncer: Al aplicarse a las cohortes de UEC y LGG, el modelo mantuvo un rendimiento predictivo moderado (C-index 0.57 y 0.62, respectivamente), superando a los modelos de solo mutaciones en estos contextos, aunque el rendimiento fue inferior al de la cohorte original de cáncer de mama.

Significancia y alegatos
El artículo sostiene que la integración de datos multiómicos mediante aprendizaje automático mejora significativamente la predicción de la supervivencia en el cáncer de mama en comparación con los modelos que dependen únicamente de perfiles de mutaciones o características clínicas. El estudio demuestra que los perfiles epigenéticos son los principales impulsores de una predicción de supervivencia precisa en este contexto, lo que sugiere que los patrones de metilación del ADN capturan información regulatoria crítica que la secuenciación genómica por sí sola no logra detectar.

Además, la investigación identifica biomarcadores accionables y posibles dianas terapéuticas. Los autores sugieren que las terapias actuales podrían combinarse con estrategias dirigidas a la metilación de ME3, PPERG, OLIG3 y SLC25A22, así como a la desfosforilación de NFKB1 y al targeting de MAFA y PELO. El estudio concluye que, si bien el modelo muestra promesa en cuanto a la transferibilidad entre cánceres, su principal fortaleza reside en el entorno del cáncer de mama, donde proporciona un marco robusto para estimar el riesgo del paciente y la probabilidad de supervivencia. Los autores reconocen limitaciones, señalando que la selección de características mediante Lasso-Cox puede favorecer las relaciones lineales y que la validación externa se realizó en diferentes tipos de cáncer en lugar de en conjuntos de datos independientes de cáncer de mama, enmarcando los resultados trans-cáncer como una evaluación de la transferibilidad en lugar de una validación externa formal.