Integrative single-cell and bulk transcriptomic analysis with Shennong machine learning reveals the landscape of calmodulin associated prognostic genes in breast cancer

Resumen Técnico: Análisis Integrativo de Transcriptómica de Célula Única y Bulk con Aprendizaje Automático de Shennong Revela el Paisaje de los Genes Pronósticos Asociados a la Calmodulina en el Cáncer de Mama

Planteamiento del Problema
El cáncer de mama (BRCA) sigue siendo una de las principales causas de mortalidad relacionada con el cáncer en todo el mundo, con una heterogeneidad significativa entre los subtipos moleculares (Luminal A/B, HER2-enriquecido y TNBC) que complica el pronóstico y el tratamiento. Aunque se sabe que la calmodulin (CaM) está desregulada en el BRCA y vinculada a un mal pronóstico clínico, la metástasis y la infiltración inmunitaria, la red regulatoria molecular precisa que conecta los genes relacionados con la calmodulin (CaRGs) con la progresión del BRCA aún no se ha esclarecido completamente. Los estudios existentes a menudo carecen de resolución de célula única o no logran integrar los datos transcriptómicos de bulk con el descubrimiento de fármacos impulsado por el aprendizaje automático para identificar poblaciones celulares específicas y dianas terapéuticas.

Metodología
El estudio empleó una estrategia de bioinformática y validación experimental de múltiples capas:

1. Adquisición e Integración de Datos: Se analizaron los datos de RNA-seq de bulk de la cohorte TCGA-BRCA (1,081 muestras tumorales, 99 normales) y el conjunto de datos GEO GSE20685 (validación). Los datos de secuenciación de RNA de célula única (scRNA-seq) de GSE243526 (12 tumores primarios, 4 normales) proporcionaron resolución de célula única. Una lista curada de 255 genes relacionados con la calmodulin (CaRGs) sirvió como conjunto de genes de interés.
2. Tamizaje de Genes y Construcción del Modelo: Se cruzaron los genes expresados diferencialmente (DEGs) con los CaRGs para identificar candidatos. Se utilizaron la regresión de Cox univariante y la regresión de Cox multivariante por pasos para filtrar los genes pronósticos, construyendo una firma de riesgo de 8 genes. Los pacientes fueron estratificados en grupos de alto riesgo (HRG) y bajo riesgo (LRG) basándose en una puntuación de riesgo calculada.
3. Análisis Funcional e Inmunitario: Se realizaron análisis de Enriquecimiento de Conjunto de Genes (GSEA), evaluación de la infiltración inmunitaria (ssGSEA) y análisis de mutaciones (TMB, DMGs) para caracterizar las vías biológicas y las diferencias en el microambiente tumoral (TME) entre los grupos de riesgo.
4. Análisis de Célula Única: Los datos de scRNA-seq se sometieron a control de calidad, reducción de dimensionalidad (PCA) y agrupamiento (UMAP) para identificar linajes celulares. Las poblaciones celulares clave se identificaron basándose en la expresión de la firma pronóstica. El análisis de pseudotiempo (Monocle) rastreó las trayectorias de diferenciación y CellChat analizó la comunicación intercelular.
5. Descubrimiento de Fármacos: Se utilizó el marco de aprendizaje automático Shennong para cribar compuestos con alta especificidad para las poblaciones celulares clave identificadas, prediciendo la sensibilidad a los fármacos mediante Factores Bayesianos (BF).
6. Validación Experimental: Se realizó la PCR cuantitativa en tiempo real (RT-qPCR) en 33 especímenes de tejido de BRCA emparejados y líneas celulares de cáncer de mama (MDA-MB-231, MCF-7) para validar los patrones de expresión de los genes candidatos.

Contribuciones Clave y Resultados

• Identificación de una Firma Pronóstica de 8 Genes: El estudio identificó ocho genes pronósticos asociados a la calmodulin: NOS1, MYLK2, MYO1D, CAMK2N2, SNTA1, CAMK2B, TBC1D4 y TBC1D10C. Un modelo de riesgo basado en estos genes estratificó con éxito a los pacientes en HRG y LRG con resultados de supervivencia significativamente diferentes (TCGA: p < 0.0001; GSE20685: p = 0.00082). El modelo demostró una robusta precisión predictiva con valores de AUC > 0.6 para la supervivencia global de 3, 5 y 7 años.
• Valor Pronóstico Independiente: La regresión de Cox multivariante confirmó que la puntuación de riesgo, junto con la edad y el estadio N, sirve como un factor pronóstico independiente. Se desarrolló un nomograma que incorpora estos factores para la predicación clínica de la supervivencia.
• Mecanismos Biológicos y Paisaje Inmunitario: El GSEA reveló que el HRG estaba enriquecido en 50 vías, notablemente la vía de señalización JAK-STAT. El HRG exhibió patrones de infiltración inmunitaria distintos, incluyendo una menor abundancia de células B activadas, células T CD8+ y eosinófilos, y puntuaciones más altas para la disfunción y exclusión de células T.
• Resolución de Célula Única de Actores Clave: El análisis de scRNA-seq identificó a las células epiteliales como la población celular clave que impulsa la firma pronóstica. Estas células mostraron una expresión dinámica de los genes pronósticos durante la diferenciación. El análisis de pseudotiempo reveló patrones de expresión temporal específicos: NOS1, CAMK2N2, CAMK2B y TBC1D10C mostraron una tendencia de "ascenso y luego descenso" (mitad de la diferenciación), mientras que MYO1D y SNTA1 mostraron una tendencia de "descenso y luego ascenso" (etapas tempranas/tardías).
• Sensibilidad y Especificidad de Fármacos: El estudio identificó 170 fármacos con sensibilidad diferencial entre los grupos de riesgo, siendo el Irinotecán el que mostró la diferencia más significativa. Utilizando el aprendizaje automático Shennong, se localizaron ocho fármacos específicos para células epiteliales, incluyendo LJP006_HME1_3H:H07_DOWN y MOAR001_PC3_24H:I22_UP, que mostraron una alta especificidad para las subpoblaciones epiteliales.
• Validación Experimental: La RT-qPCR confirmó la regulación al alza de CAMK2N2, MYLK2, CAMK2B, TBC1D10C y MYO1D en tejidos de BRCA y líneas celulares malignas, mientras que TBC1D4 y NOS1 estuvieron regulados a la baja. SNTA1 no mostró diferencias significativas en las muestras de tejido, pero estuvo regulada a la baja en las líneas celulares.

Significado y Reivindicaciones
Los autores afirman que este estudio proporciona un marco novedoso y multidimensional para comprender el papel de la calmodulin en el cáncer de mama. Al integrar la transcriptómica de bulk y de célula única con el aprendizaje automático, la investigación:

1. Establece un Biomarcador Robusto: La firma de 8 genes ofrece una herramienta precisa para la estratificación de riesgos y la evaluación del pronóstico, superando a los factores clínicos tradicionales en algunos contextos.
2. Esclarece Mecanismos Celulares: Identifica a las células epiteliales como los principales impulsores del paisaje pronóstico asociado a la calmodulin, detallando sus trayectorias de diferenciación y la dinámica de expresión génica.
3. Guía la Terapia de Precisión: La identificación de fármacos específicos para células epiteliales mediante el aprendizaje automático de Shennong y la sensibilidad diferencial a agentes como el Irinotecán proporcionan una base teórica para desarrollar estrategias terapéuticas dirigidas a subgrupos específicos de BRCA.
4. Vincula Vías: El estudio hipotetiza un eje regulador que conecta la calmodulin, CaMK, IFN-β y la vía JAK-STAT, ofreciendo una explicación mecánica para las diferencias pronósticas observadas.

Los autores reconocen las limitaciones, señalando que el estudio es principalmente in silico y que las funciones funcionales de genes específicos (por ejemplo, CAMK2N2, un marcador recientemente identificado) requieren de una mayor validación experimental para confirmar plenamente sus mecanismos en la patogénesis del BRCA.