Systems Biology Analysis Identifies Immune Related Biomarkers and Therapeutic Targets in EBV Positive and EBV Negative Intestinal Type Gastric Cancer

Resumen Técnico: Análisis de Biología de Sistemas de Cáncer Gástrico de Tipo Intestinal EBV-Positivo y EBV-Negativo

Planteamiento del Problema
El cáncer gástrico asociado al virus de Epstein–Barr (EBVaGC) es un subtipo molecular distinto del cáncer gástrico (GC), caracterizado por un microambiente tumoral rico en inmunidad. Aunque el EBVaGC es generalmente reconocido como inmunológicamente distinto, las alteraciones transcriptómicas específicas que diferencian a los tumores EBV-positivos de los EBV-negativos, específicamente dentro del subtipo histológico de tipo intestinal, aún no se han definido completamente. La literatura actual suele tratar el EBVaGC de forma amplia o se centra en los tipos difusos, lo que deja un vacío en la comprensión de los impulsores moleculares e inmunológicos específicos del subtipo intestinal. Este estudio tiene como objetivo abordar esta brecha mediante la identificación de biomarcadores relacionados con la inmunidad y dianas terapéuticas específicas para el GC de tipo intestinal EBV-positivo utilizando un enfoque integrado de biología de sistemas.

Metodología
El estudio empleó un flujo de trabajo computacional de múltiples pasos que integra datos transcriptómicos públicos con análisis de redes y validación clínica:

1. Adquisición e Integración de Datos: Se seleccionaron tres conjuntos de datos de microarrays de GEO (GSE51575, GSE62254 y GSE66229) basados en criterios de inclusión estrictos: tejido de cáncer gástrico humano, estado de EBV definido, histología de tipo intestinal y suficientes réplicas biológicas.
2. Análisis de Expresión Diferencial (DEA): Utilizando GEO2R, se identificaron los genes diferencialmente expresados (DEG) comparando muestras de tipo intestinal EBV-positivas frente a EBV-negativas dentro de cada conjunto de datos. La significancia estadística se determinó mediante la corrección de Benjamini–Hochberg FDR ($p < 0.05$).
3. Armonización de Datos: Se anotaron los símbolos de los genes, se colapsaron los duplicados reteniendo el mayor cambio logarítmico absoluto ($|logFC|$) y se fusionaron las listas para crear un conjunto no redundante de 7,576 DEG únicos (3,118 sobreexpresados, 4,458 subexpresados).
4. Construcción de Redes e Identificación de Hubs: Se seleccionaron los 200 genes más desregulados (clasificados por $|logFC|$) para construir una red de Interacción Proteína-Proteína (PPI) utilizando STRING (v12) y Cytoscape. Los genes "hub" se identificaron mediante el plugin CytoHubba basado en cuatro algoritmos: MCC, MNC, Degree y DMNC.
5. Análisis Funcional y de Módulos: Se realizaron enriquecimientos de la Ontología de Genes (GO) y de vías de Reactome utilizando Enrichr. Los módulos de la red se detectaron mediante el plugin CytoCluster (algoritmo IPCA) para identificar clústeres funcionales.
6. Validación y Correlación Clínica:
   • Validación de la Expresión: La expresión de los genes hub se validó contra los datos de TCGA-STAD vía UALCAN, comparando tejidos tumorales frente a normales y analizando patrones específicos según la etapa.
   • Análisis de Supervivencia: Se utilizaron curvas de Kaplan-Meier y pruebas de log-rank para evaluar la asociación entre la expresión de los genes hub y la supervivencia global (OS).
   • Evaluación Terapéutica: Las interacciones gen-fármaco se consultaron mediante DGIdb y DrugBank para identificar posibles fármacos reposicionables o dianas terapéuticas.

Resultos Clave

• Expresión Diferencial: El análisis integrado identificó 7,576 DEG únicos. Los 200 genes principales fueron priorizados para el análisis de red.
• Genes Hub: Se priorizaron doce genes hub basados en la centralidad topológica: VCAM1, LTF, CD40, CXCL10, CXCL8, RBP4, ULBP2, LAX1, IGLL5, PGA4, IDO1 y DPP4.
• Enriquecimiento Funcional: Los análisis de enriquecimiento revelaron que los DEG están involucrados principalmente en el tráfico de células inmunes, señalización de quimiocinas, vías de receptores de complemento/Fc, señalización del receptor de TNF y remodelación epitelial.
• Módulos de la Red: El análisis de clústeres identificó dos módulos funcionales primarios:
  1. Módulo Hemostático-Metabólico: Involucra la activación de plaquetas, metabolismo de lípidos/retinoides (p. ej., RBP4, ORM1) y metabolismo de la angiotensinógeno.
  2. Módulo Inmune/Quimiocina: Centrado en la señalización de citocinas, retroalimentación de IL-10 y señalización no canónica de NF-κB de TNFR2, impulsado por genes como CXCL10, CXCL8, CD40 e IDO1.
• Aplicabilidad de Biomarcadores:
  • Marcadores Inmunológicos Asociados a EBV: CXCL10, VCAM1 y CD40 fueron identificados como biomarcadores inmunológicos clave asociados a EBV. CXCL10 y VCAM1 mostraron una fuerte regulación al alza en tumores y una elevación en etapas tempranas, siendo CXCL10 específicamente más alto en el GC intestinal EBV-positivo.
  • Marcadores de Pérdida de Expresión: PGA4 y LTF estuvieron subexpresados en los tumores, con PGA4 mostrando una supresión marcada en todas las etapas, lo que indica una pérdida de la identidad secretora gástrica.
  • Marcador Pronóstico: RBP4 fue el único gen hub significativamente asociado con la supervivencia global (la alta expresión se correlacionó con una menor supervivencia, $p=0.019$), aunque mostró una menor expresión en tumores EBV-positivos en comparación con los EBV-negativos.
  • Otros Marcadores: ULBP2, IDO1, CXCL8 y DPP4 fueron generalmente menores en tumores intestinales EBV-positivos, lo que sugiere que pueden ser más relevantes para contextos EBV-negativos, progresión general o farmacabilidad, en lugar de la activación específica de EBV.
• Dianas Terapéuticas: La red de interacción gen-fármaco destacó varias dianas potenciales:
  • DPP4: Identificado como el eje de reposicionamiento de fármacos más fuerte, con inhibidores existentes (p. ej., Sitagliptina, Linagliptina).
  • CD40: Una fuerte diana de inmunoterapia con anticuerpos asociados (p. ej., Dacetuzumab).
  • IDO1: Una diana inmunometabólica con inhibidores (p. ej., Epacadostat).
  • CXCL8/CXCL10: Vinculados a compuestos inflamatorios y asociados a antivirales.

Significancia y Reivindicaciones
Los autores afirman que este estudio proporciona un marco basado en redes para priorizar biomarcadores y dianas terapéuticas específicamente para el GC de tipo intestinal EBV-positivo, yendo más allá de las descripciones generales del EBVaGC como "rico en inmunidad".

• Especificidad: El estudio distingue las señales inmunitarias asociadas a EBV (p. ej., CXCL10, VCAM1) de los programas inflamatorios más amplios (p. ej., CXCL8) y de los marcadores de progresión (p. ej., RBP4, ULBP2).
• Potencial Multigénico: Los autores sugieren que ningún gen único captura todas las características diagnósticas y pronósticas; en su lugar, un marco multigénico que combine marcadores inmunitarios (CXCL10, VCAM1, CD40) con marcadores de pérdida de diferenciación (PGA4, LTF) ofrece una resolución biológica y clínica superior.
• Valor Traslacional: La identificación de DPP4 como una diana altamente tratable con inhibidores clínicos existentes, junto con CD40 e IDO1, ofrece candidatos inmediatos para la exploración terapéutica y el reposicionamiento de fármacos.
• Modestia y Limitaciones: Los autores declaran explícitamente que estos hallazgos son señales priorizadas computacionalmente. Reconocen limitaciones, incluyendo el uso de un umbral de STRING de baja confianza, la exclusión de genes moderadamente alterados y la falta de estratificación por EBV en el análisis de supervivencia de TCGA. Por consiguiente, enfatizan que los biomarcadores y dianas identificados requieren validación en cohortes independientes estratificadas por EBV, ensayos a nivel de proteína y experimentos funcionales antes de su aplicación clínica.