Identification and experimental validation of lactylation driven prognostic genes in lung adenocarcinoma stemness

El adenocarcinoma de pulmón es la forma más común de cáncer de pulmón, una enfermedad que a menudo resiste el tratamiento y regresa incluso después de la cirugía. Una razón principal de esta tenacidad reside en un grupo diminuto y resistente de células dentro del tumor conocidas como células madre cancerosas. Estas no son solo células cancerosas ordinarias; son el motor de la enfermedad, capaces de iniciar nuevos tumores, propagarse a otras partes del cuerpo y sobrevivir a la quimioterapia. Los científicos han sospechado durante mucho tiempo que la forma en que estas células se comportan está ligada a cómo el tumor procesa la energía. En años recientes, un cambio químico específico llamado lactilación ha emergido como un actor clave. Este proceso ocurre cuando las células descomponen el azúcar para obtener combustible, creando un subproducto llamado lactato. En lugar de ser simplemente un residuo, el lactato puede unirse a las proteínas dentro de la célula, actuando como un interruptor que enciende o apaga ciertos genes. Los investigadores ahora creen que este interruptor podría estar ayudando a las células madre cancerosas a mantenerse vivas y peligrosas, pero el mecanismo exacto en el cáncer de pulmón había permanecido poco claro.

Un equipo de investigadores de la Universidad Médica de Ningxia se propuso mapear esta conexión. Querían descubrir qué genes específicos en el adenocarcinoma de pulmón son controlados por este interruptor de lactilación y si esos genes podrían predecir cómo le iría a un paciente. Para lograrlo, recurrieron a una colección masiva de datos genéticos de miles de pacientes. Comenzaron midiendo la "madreidad" (stemness) de cada tumor, una puntuación que indica cuántas células madre cancerosas están presentes. Encontraron que los tumores con puntuaciones de madreidad más altas generalmente conducían a tiempos de supervivencia más cortos para los pacientes. Al buscar patrones en los datos genéticos, identificaron grupos de genes que estaban activos cuando la lactilación era alta. Luego redujeron esta lista utilizando algoritmos computacionales avanzados, aislando finalmente un conjunto específico de seis genes que parecían tener la mayor promesa para predecir los resultados de los pacientes.

Los seis genes que identificaron son KIF23, TOP2A, HSPD1, DTYMK, CAV3 y CYP27A1. Los investigadores construyeron un modelo que utiliza los niveles de actividad de estos seis genes para clasificar a los pacientes en dos grupos: de alto riesgo y de bajo riesgo. Los resultados fueron claros. Los pacientes en el grupo de alto riesgo, cuyos tumores mostraban una alta actividad de KIF23, TOP2A, HSPD1 y DTYMK, tuvieron tasas de supervivencia significativamente peores que los del grupo de bajo riesgo. Por el contrario, el grupo de bajo riesgo mostró una mayor actividad de CAV3 y CYP27A1. Esta firma de seis genes actuó como un barómetro biológico, separando con precisión a los pacientes que probablemente sobrevivirían más tiempo de aquellos que enfrentaban una enfermedad más agresiva. El modelo se mantuvo incluso cuando fue probado contra un grupo separado de pacientes de una base de datos diferente, lo que sugiere que es una herramienta confiable y no un error fortuito de un conjunto de datos específico.

Profundizando más, el equipo exploró por qué estos genes importan. Descubrieron que el grupo de alto riesgo era impulsado por vías biológicas poderosas que obligan a las células a dividirse rápidamente, específicamente aquellas controladas por dos reguladores maestros conocidos como MYC y E2F. Estas vías son como un motor atrapado en una marcha alta, empujando al tumor a crecer y propagarse. El estudio también observó el papel del sistema inmunológico. Resultó que los tumores de alto riesgo a menudo estaban rodeados de menos células inmunitarias que pudieran combatir el cáncer, creando un entorno silencioso donde el tumor pudiera crecer sin control. Para asegurar que estos hallazgos fueran reales y no solo patrones digitales, los investigadores fueron al laboratorio. Examinaron muestras de tejido reales de treinta pacientes en su hospital. Utilizando una técnica de tinción que hace visibles las proteínas bajo el microscopio, confirmaron que las proteínas producidas por KIF23 y TOP2A estaban, de hecho, presentes en cantidades mucho mayores en el tejido canceroso que en el tejido sano.

Los investigadores también utilizaron simulaciones computacionales para ver si estos genes podían ser el objetivo de fármacos. Encontraron que las células cancerosas parecían depender fuertemente de KIF23, TOP2A y HSPD1 para sobrevivir, lo que significa que estos genes son esenciales para la vida del tumor. Luego probaron qué tan bien podrían encajar posibles moléculas de fármacos en estas proteínas, de manera similar a cómo una llave encaja en una cerradura. Las simulaciones sugirieron que ciertos compuestos podrían unirse fuertemente a estas proteínas, bloqueando potencialmente su función. Aunque el estudio no probó estos fármacos en animales o humanos vivos, los modelos computacionales proporcionaron una fuerte pista de que estos genes específicos son puntos vulnerables que los futuros medicamentos podrían atacar.

Este trabajo no ofrece una cura inmediata, pero proporciona un mapa más claro del terreno. Al vincular un proceso químico específico con un conjunto de seis genes, los investigadores han dado a los médicos una nueva forma de evaluar el nivel de peligro de un tumor de cáncer de pulmón. Han demostrado que la naturaleza agresiva de la enfermedad no es aleatoria, sino que es impulsada por un programa genético predecible. El estudio sugiere que, al enfocarse en estos seis genes, particularmente en aquellos que impulsan la división celular rápida, los científicos podrían ser capaces de desarrollar tratamientos que apunten específicamente a las células madre que mantienen vivo al cáncer. Por ahora, el panel de seis genes se mantiene como una herramienta validada para comprender el riesgo, ofreciendo una forma más precisa de guiar las decisiones de tratamiento y una nueva dirección para desarrollar terapias que algún día puedan superar a las células más resilientes del cáncer.