Identification of Triaptosis-Related Prognostic Genes and Construction of a Predictive Model in Breast Cancer

Resumen Técnico: Identificación de genes pronósticos relacionados con la triaptosis y construcción de un modelo predictivo en el cáncer de mama

Planteamiento del problema
El cáncer de mama (CM) sigue siendo una de las principales causas de mortalidad relacionada con el cáncer en mujeres, caracterizado por una heterogeneidad molecular significativa y desafíos en el tratamiento de subtipos resistentes, particularmente el cáncer de mama triple negativo (CMTN). Mientras que los mecanismos de muerte celular programada (PCD) como la apoptosis y la ferroptosis están bien estudiados, la "triaptosis" —una muerte celular oxidativa recientemente definida, desencadenada por pro-oxidantes (p. ej., bisulfito de menadiona sódica) a través de la oxidación de VPS34 y la subsiguiente disfunción endosómica— tiene un papel poco claro en el CM. El estudio aborda la falta de comprensión sobre la red regulatoria de la triaptosis, su relación con el desarrollo tumoral y su potencial como fuente de nuevos biomarcadores pronósticos y dianas terapéuticas en el CM.

Metodología
El estudio empleó un enfoque bioinformático de múltiples pasos seguido de validación experimental:

1. Adquisición de datos: Se utilizaron datos de transcriptoma de la base de datos GEO (GSE42568 como conjunto de entrenamiento, GSE20685 como conjunto de validación) y una lista curada de 21 genes relacionados con la triaptosis de la literatura.
2. Identificación de genes:
   • WGCNA: Se realizó un Análisis de Red de Coexpresión de Genes Ponderados (WGCNA) en el conjunto de entrenamiento utilizando las puntuaciones de genes relacionados con la triaptosis como un rasgo para identificar módulos de coexpresión. El módulo "turquesa", que mostró la correlación más fuerte con las puntuaciones de triaptosis, arrojó 3,396 genes modulares.
   • Expresión diferencial: Se identificaron los genes diferencialmente expresados (DEG) entre tejidos de CM y normales.
   • Tamizaje de candidatos: La intersección de los genes modulares relacionados con la triaptosis y los DEG resultó en 578 genes candidatos.
3. Construcción del modelo pronóstico:
   • Análisis de regresión: Se aplicaron regresión de Cox univariante y regresión LASSO para seleccionar los genes pronósticos.
   • Validación del modelo: Se construyó y validó un modelo de puntuación de riesgo mediante el análisis de supervivencia de Kaplan-Meier y curvas ROC dependientes del tiempo tanto en el grupo de entrenamiento como en el de validación.
4. Análisis funcional y clínico:
   • Enriquecimiento: Se realizaron análisis de GSEA, GO y KEGG para dilucidar las vías biológicas.
   • Análisis inmune y de fármacos: El ssGSEA evaluó la infiltración de células inmunes; se analizaron las correlaciones con los puntos de control inmunitario. La sensibilidad a fármacos (IC50) se predijo utilizando el paquete pRRophetic.
   • Nomograma: Se desarrolló un nomograma clínico que integra la puntuación de riesgo y el tamaño del tumor para la predicción de la supervivencia.
5. Validación experimental: Se realizó la PCR cuantitativa con transcripción inversa (RT-qPCR) en tejidos tumorales de CM y paracáncerosos de cinco pacientes para verificar los niveles de expresión génica.

Resultos clave

• Identificación de genes: Se identificaron tres genes pronósticos relacionados con la triaptosis: BNIP3L, KLHDC1 y PRDX3.
• Desempeño del modelo: La firma de tres genes estratificó eficazmente a los pacientes en grupos de alto riesgo (HRG) y bajo riesgo (LRG). En el grupo de entrenamiento, el HRG mostró una supervivencia global significativamente peor (p < 0.0001). El modelo demostró una robusta precisión predictiva con valores de AUC de 0.77, 0.83 y 0.89 a los 3, 5 y 7 años, respectivamente. La validación en la cohorte GSE20685 confirmó estos hallazgos.
• Enriquecimiento funcional: Los genes se enriquecieron significativamente en vías relacionadas con la fosforilación oxidativa, el ciclo de TCA, el metabolismo de ácidos grasos y la replicación del ADN.
• Microambiente inmunitario: El HRG exhibió patrones de infiltración inmune distintos, incluyendo niveles elevados de células T CD4+ activadas, células T CD8+ y células NK, aunque su función parecía inhibida. Los tres genes pronósticos mostraron correlaciones negativas significativas con las células supresoras derivadas de mieloides (MDSC).
• Sensibilidad a fármacos: El análisis identificó 64 agentes quimioterapéuticos con diferencias significativas de sensibilidad entre los grupos de riesgo. Notablemente, el HRG mostró una mayor sensibilidad a inhibidores de la tirosina quinasa como Gefitinib, BMS-509744, LFM-A13 y AZD7762.
• Validación experimental: La RT-qPCR confirmó una expresión significativamente menor de BNIP3L y PRDX3 en tejidos de CM en comparación con los tejidos normales (p < 0.05). KLHDC1 también mostró una tendencia decreciente, aunque no alcanzó la significancia estadística en este pequeño tamaño de muestra.

Significancia y afirmaciones
Los autores afirman que este estudio proporciona la primera investigación sistemática sobre la importancia clínica de la triaptosis en el cáncer de mama. Al identificar la firma pronóstica relacionada con la triaptosis (BNIP3L, KLHDC1, PRDX3), el estudio ofrece:

1. Nuevos conocimientos mecánicos: Elucida una vía potencial que vincula el estrés oxidativo, la reprogramación metabólica y la homeostasis endosómica con la progresión del CM.
2. Utilidad pronóstica: El modelo construido y el nomograma sirven como herramientas efectivas para la estratificación de riesgo y la predicción individualizada de la supervivencia.
3. Potencial terapéutico: La identificación de sensibilidades diferenciales a los fármacos sugiere que los pacientes de alto riesgo, a pesar de tener pronósticos pobres, pueden albergar vulnerabilidades metabólicas específicas (p. ej., vulnerabilidades redox) que podrían ser explotadas por terapias dirigidas como Gefitinib.
4. Contexto inmunológico: El estudio destaca un mecanismo novedoso donde los genes relacionados con la triaptosis regulan el microambiente inmunitario tumoral, específicamente a través de interacciones con las MDSC.

Los autores mantienen un tono modesto respecto a las limitaciones, reconociendo que el estudio es principalmente retrospectivo y bioinformático. Declaran explícitamente que, si bien BNIP3L y PRDX3 fueron validados a nivel de tejido, el papel de KLHDC1 requiere confirmación experimental adicional. El artículo concluye que son necesarios futuros estudios in vitro e in vivo para verificar los mecanismos precisos de estos genes en la triaptosis y promover su traslación clínica.