A Novel Ferro-Aging-Related Gene Signature for Prognosis and Targeted Drug Prediction in Cervical Cancer

Resumen Técnico: Una nueva firma génica relacionada con el ferro-envejecimiento para el pronóstico y la predicción de fármacos dirigidos en el cáncer cervical

Planteamiento del problema
El cáncer cervical (CESC) sigue siendo una de las principales causas de mortalidad relacionada con el cáncer entre las mujeres, particularmente en naciones en desarrollo. A pesar de los avances en la vacunación contra el VPH y el cribado, los pacientes con enfermedad avanzada enfrentan pronósticos deficientes debido a la recurrencia, la metástasis y la resistencia al tratamiento. El manejo clínico actual carece de biomarcadores moleculares precisos para estratificar el riesgo o guiar terapias dirigidas. Además, aunque la senescencia celular y el metabolismo del hierro se reconocen como procesos biológicos distintos, el papel específico del "ferro-envejecimiento" —un proceso metabólico dependiente del hierro que impulsa la senescencia celular— en el microambiente tumoral (TME) del cáncer cervical permanece poco explorado. Existe una necesidad crítica de dilucidar los mecanismos moleculares que vinculan el ferro-envejecimiento con la progresión del CESC, la evasión inmunitaria y la resistencia terapéutica para desarrollar estrategias de medicina de precisión.

Metodología
Este estudio empleó un enfoque integrativo multiómico combinando transcriptómica de volumen (bulk), secuenciación de ARN de célula única (scRNA-seq), transcriptómica espacial e inteligencia artificial (IA).

1. Adquisición y preprocesamiento de datos: Los datos de RNA-seq de volumen se obtuvieron de The Cancer Genome Atlas (TCGA-CESC, n=309) para el entrenamiento del modelo y de la Gene Expression Omnibus (GEO GSE44001, n=300) para la validación externa. Los datos de scRNA-seq (GSE168652), que comprenden tejidos tumorales y normales, se utilizaron para el análisis de la heterogeneidad celular. Los datos de transcriptómica espacial se obtuvieron de 10× Visium.
2. Selección de genes y construcción del modelo: Se curó un conjunto de genes relacionados con el ferro-envejecimiento (FARGs) a partir de la literatura existente. La regresión de Cox univariante identificó los FARGs pronósticos. Se aplicó un flujo de trabajo de aprendizaje automático de conjunto utilizando diez algoritmos (incluyendo Random Survival Forest, Lasso, Ridge y CoxBoost) para construir el modelo pronóstico óptimo. Se seleccionó el modelo StepCox[backward]+Enet[alpha=0.2] basado en el C-índice medio más alto.
3. Interpretabilidad y validación: Se realizó un análisis de explicaciones de Shapley (SHAP) para interpretar la importancia de las características y la toma de decisiones del modelo. El rendimiento del modelo se validó mediante el análisis de supervivencia de Kaplan-Meier, curvas ROC dependientes del tiempo y análisis de curva de decisión (DCA) tanto en la cohorte interna como en la externa.
4. Análisis del microambiente y mecanismos:
   • Infiltración inmunitaria: Los algoritmos ESTIMATE y CIBERSORT evaluaron las puntuaciones estromales/inmunitarias y la composición de células inmunitarias.
   • Análisis de célula única: El algoritmo Scissor vinculó las puntuaciones de riesgo de volumen con poblaciones celulares específicas. El análisis de pseudotiempo (Monocle) exploró las trayectorias de la Transición Endotelio-Mesenquimal (EndMT). Se utilizó CellChat para mapear las redes de comunicación intercelular.
   • Análisis espacial: La transcriptómica espacial mapeó la distribución de los FARGs dentro de la arquitectura tisular.
5. Cribado de fármacos: El cribado virtual asistido por IA utilizando la herramienta DrugReflector identificó compuestos terapéuticos potenciales. Se realizó el acoplamiento molecular (AutoDock Vina) para evaluar las afinidades de unión entre los fármacos candidatos y las proteínas codificadas por los FARGs.

Resultos clave

• Firma pronóstica: Se estableció una firma de ocho genes de FARGs (DUOX1, E2F1, IL1B, KEAP1, MAP3K14, SLAMF8, TFRC y TNFAIP3). El modelo demostró un poder discriminatorio moderado pero robusto, con valores de Área Bajo la Curva (AUC) de 0.873, 0.734 y 0.803 para la supervivencia a 1, 3 y 5 años, respectivamente. El análisis multivariante confirmó la puntuación de riesgo como un factor pronóstico independiente.
• Estratificación de riesgo: Los pacientes en el grupo de alto riesgo exhibieron una supervivencia global significativamente peor y un TME inmunosupresor caracterizado por una reducción de células T CD8+ y células NK activadas, junto con puntuaciones inmunitarias y estromales más bajas.
• Heterogeneidad celular: El análisis de célula única identificó macrófagos, células epiteliales y células T CD8+ como poblaciones clave asociadas con la firma de riesgo. En el grupo de alto riesgo, estas células mostraron fenotipos protumorales o de agotamiento.
• Procesos dinámicos: El análisis de pseudotiempo reveló una compleja trayectoria de EndMT donde los FARGs (por ejemplo, KEAP1, IL1B, MAP3K14) exhibieron patrones de expresión dinámicos.
• Comunicación célula-célula: El grupo de bajo riesgo mostró una intensidad de comunicación intercelular significativamente mayor (5.244 vs. 1.752) en comparación con el grupo de alto riesgo. Notablemente, el grupo de bajo riesgo presentó una señalización mejorada de las células epiteliales hacia los macrófagos a través de la vía APP-CD74, lo que sugiere un mecanismo potencial para mantener la vigilancia inmunitaria.
• Distribución espacial: La transcriptómica espacial confirmó que los FARGs se localizan predominantemente dentro de las regiones de células epiteliales del tumor.
• Candidatos terapéuticos: El cribado por IA identificó a BRD-A56371469 como un compuesto potencial. El acoplamiento molecular indicó una fuerte afinidad de unión (–8.312 kcal/mol) entre BRD-A56371469 y el producto proteico de DUOX1.

Significancia y afirmaciones
Los autores afirman que este estudio proporciona la primera integración sistemática de la biología del ferro-envejecimiento en un marco pronóstico para el cáncer cervical. La significancia primaria radica en:

1. Utilidad pronóstica: La firma de ocho genes sirve como un indicador robusto e independiente para la estratificación de pacientes, potencialmente complementando la estadificación tradicional.
2. Información mecánica: El estudio elucida el doble papel del ferro-envejecimiento en la promoción de la tumorigénesis y la facilitación de la evasión inmunitaria, destacando específicamente el estado inmunosupresor del grupo de alto riesgo impulsado por el SASP (Fenotipo Secretor Asociado a la Senescencia) y la desregulación del metabolismo del hierro.
3. Remodelación del microambiente: Al combinar scRNA-seq y transcriptómica espacial, los autores delinean cómo el ferro-envejecimiento influye en la heterogeneidad celular y la comunicación intercelular, identificando el eje APP-CD74 como un posible modulador del diálogo epitelio-macrófago.
4. Exploración terapéutica: La identificación de BRD-A56371469 como un candidato para atacar DUOX1 ofrece una nueva dirección para la terapia de precisión, aunque los autores señalan explícitamente que se requiere una validación adicional in vitro e in vivo.

El artículo concluye que este flujo de trabajo multiómico integrado ofrece un nuevo modelo para comprender la compleja interacción entre el metabolismo del hierro, la senescencia y el microambiente tumoral, proporcionando una base para la pronosticación de precisión y el desarrollo de fármacos dirigidos en el cáncer cervical.