Integrated Analysis of Bulk and Single Cell Transcriptomic Sequencing Reveals Immune Patterns of T Cell Regulation and Prognostic Biomarkers in Glioblastoma

Resumen Técnico: Análisis Integrado de Secuenciación Transcriptómica de Bulk y de Célula Única en Glioblastoma

Planteamiento del Problema
El glioblastoma (GBM) sigue siendo el tumor maligno primario más agresivo del sistema nervioso central adulto, caracterizado por un mal pronóstico y una tasa de supervivencia a 5 años inferior al 10% en pacientes recién diagnosticados. A pesar de las intervenciones estándar que incluyen resección quirúrgica, radioterapia y quimioterapia con temozolomida, el microambiente tumoral (TME) inmunosupresor limita severamente la eficacia de las inmunoterapias, tales como los inhibidores de puntos de control inmunitario (ICI) y las células CAR-T. Existe una brecha crítica en la comprensión de la heterogeneidad de las células T dentro del microambiente del GBM, sus patrones de interacción con otras poblaciones celulares y los mecanismos moleculares específicos que impulsan su disfunción. En consecuencia, existe una necesidad urgente de identificar biomarcadores pronósticos robustos y desarrollar modelos que puedan guiar las intervenciones clínicas personalizadas.

Metodología
Este estudio empleó un enfoque multi-ómico integrando datos de secuenciación de ARN de bulk (bulk RNA-seq) y de célula única (scRNA-seq) de repositorios públicos (TCGA, GEO). El flujo de trabajo analítico procedió de la siguiente manera:

1. Identificación de Genes Núcleo mediante WGCNA: Se realizó un Análisis de Red de Coexpresión Ponderada (WGCNA) en conjuntos de datos transcriptómicos de bulk (GSE4290 y GSE50161) para construir redes de coexpresión. Se identificaron módulos altamente correlacionados con el estado de GBM, y su intersección con el análisis de expresión diferencial arrojó un conjunto de genes núcleo de 47 genes asociados al GBM.
2. Resolución de Célula Única y Anotación: Los datos de scRNA-seq (GSE162631), que comprenden cuatro tejidos cerebrales normales y cuatro de GBM, fueron procesados utilizando el paquete Seurat. Tras un riguroso control de calidad y reducción de dimensionalidad (PCA, UMAP, t-SNE), las células fueron agrupadas y anotadas en seis subtipos principales: células endoteliales, fibroblastos, macrófagos, células malignas, microglía y células T.
3. Análisis Específico de Células T: Los 47 genes núcleo fueron mapeados en los datos de célula única utilizando el algoritmo UCell para determinar su enriquecimiento. Las células T fueron identificadas como los principales portadores de estos genes núcleo. Los análisis posteriores incluyeron:
   • Expresión Diferencial: Identificación de 100 genes expresados diferencialmente (DEG) específicos de células T.
   • Trayectoria y Comunicación: Análisis de trayectoria de pseudotiempo (Monocle 2) para mapear las transiciones de estado de las células T y análisis de CellChat para cuantificar las interacciones ligando-receptor entre las células T y otros componentes estromales.
   • Enriquecimiento Funcional: Análisis de vías GO y KEGG para caracterizar las funciones biológicas.
4. Subtipificación y Modelado Pronóstico:
   • Clustering Consenso: Las muestras de TCGA-GBM fueron estratificadas en dos subtipos moleculares (C1 y C2) basados en la expresión de los DEG de células T.
   • Perfilado Inmunitario y de Fármacos: Los subtipos fueron evaluados mediante ESTIMATE, múltiples algoritmos de infiltración inmune (CIBERSORT, XCELL, etc.) y predicción de sensibilidad a fármacos (oncoPredict).
   • Construcción del Modelo de Riesgo: Se construyó un modelo de regresión LASSO-Cox utilizando los DEG de células T para derivar una firma pronóstica de 5 genes. El rendimiento del modelo fue validado mediante análisis de supervivencia de Kaplan-Meier, curvas ROC y verificación independiente a nivel de proteína utilizando la base de datos Human Protein Atlas (HPA).

Contribuciones Clave y Resultados

• Identificación de Genes Núcleo Centrados en Células T: El estudio identificó con éxito un conjunto núcleo de 47 genes asociados al GBM. El análisis de célula única reveló que las células T exhibieron las puntuaciones de enriquecimiento más altas para este conjunto de genes entre todos los componentes celulares, destacando su papel central en el paisaje inmunitario del GBM.
• Perspectivas Mecanísticas de la Exaustión de Células T: El análisis de pseudotiempo demostró que las células T en el GBM evolucionan a lo largo de una trayectoria hacia la exaustión terminal, caracterizada por una disminución de la citotoxicidad y la regulación al alza anormal de genes de inmunoglobulina (por ejemplo, IGHA2, IGHG2). El análisis de comunicación célula-célula reveló que los fibroblastos son la fuente primaria de señales entrantes hacia las células T, con la familia COL (colágenos) actuando como un regulador potente de los receptores de integrina y CD44 de las células T, lo que sugiere un mecanismo de inmunosupresión mediado por la matriz.
• Subtipificación Molecular (C1 vs. C2): El estudio definió dos subtipos distintos de GBM basados en la expresión génica de las células T:
  • Subtipo C1: Caracterizado por una mayor expresión de genes de puntos de control inmunitario y sensibilidad a inhibidores de PI3K (por ejemplo, Alpelisib, Dactolisib) y agentes alquilantes (Carmustina).
  • Subtipo C2: Exhibió una mayor infiltración inmune (macrófagos, Tregs), mayores puntuaciones inmunitarias y mayor sensibilidad a moduladores epigenéticos (inhibidores de HDAC como Vorinostat) e inhibidores de CDK4/6 (Ribociclib).
• Firma Pronóstica de 5 Genes: Se construyó un modelo pronóstico robusto utilizando cinco genes clave: GNG11, CD5, COL1A1, CAMK4 y BCAS4.
  • Factores de Riesgo: La alta expresión de GNG11 y CD5 se correlacionó con un mal pronóstico.
  • Factores Protectores: La alta expresión de COL1A1, CAMK4 y BCAS4 se correlacionó con mejores resultados de supervivencia.
  • Validación: El modelo demostró precisión predictiva con valores de AUC de 0.59 (1 año), 0.64 (3 años) y 0.69 (5 años). El análisis inmunohistoquímico de la base de datos HPA confirmó que los niveles de expresión proteica de los cinco genes estaban significativamente aumentados en los tejidos de GBM en comparación con el tejido cerebral normal, validando los hallazgos transcriptómicos a nivel proteómico.

Significancia y Reivindicaciones
Los autores afirman que este estudio elucida sistemáticamente la heterogeneidad del microambiente inmunitario mediado por células T en el GBM. Al integrar datos de bulk y de célula única, la investigación proporciona una base teórica para comprender la compleja interacción entre el estroma tumoral (específicamente fibroblastos y la MEC) y la exaustión de las células T. El desarrollo y la validación del modelo pronóstico de 5 genes ofrecen una herramienta práctica para la evaluación del pronóstico clínico. Además, la identificación de sensibilidades a fármacos específicas de cada subtipo sugiere una vía hacia intervenciones clínicas personalizadas, mejorando potencialmente el diagnóstico, la evaluación del pronóstico y las estrategias de inmunoterapia dirigida para pacientes con GBM. El estudio reconoce las limitaciones respecto a su dependencia de datos públicos retrospectivos y la necesidad de futuras validaciones in vivo e in vitro, pero afirma que sus hallazgos proporcionan un marco fundamental para explorar biomarcadores y dianas terapéuticas en el GBM.