Integrated Multi-Omics Analysis Identifies Key Genes and Drug Candidates in Non-Small Cell Lung Cancer

Resumen Técnico: El análisis multiómico integrado identifica genes clave y candidatos a fármacos en el cáncer de pulmón de células no pequeñas

Planteamiento del problema
El cáncer de pulmón de células no pequeñas (NSCLC, por sus siglas en inglés) representa aproximadamente el 85% de los casos de cáncer de pulmón, pero sigue asociado con un mal pronóstico, con una tasa de supervivencia a 5 años inferior al 20%. Este mal resultado se atribuye al diagnóstico tardío, la heterogeneidad tumoral y la complejidad del microambiente tumoral (TME). Las estrategias terapéuticas actuales, que incluyen cirugía, radioterapia y quimioterapia, a menudo enfrentan limitaciones debido a la resistencia a los fármacos y la falta de especificidad. En consecuencia, existe una necesidad clínica urgente de identificar marcadores de diagnóstico temprano altamente sensibles y específicos, así como nuevos agentes terapéuticos dirigidos. Si bien el análisis tradicional de expresión diferencial ofrece perspectivas iniciales, a menudo carece de la capacidad para capturar las relaciones de coexpresión y las regulaciones de red inherentes a la tumorigénesis. Además, la distribución celular específica de los oncogenes clave dentro del microambiente del NSCLC y su potencial como dianas terapéuticas precisas requieren una investigación más profunda.

Metodología
Este estudio empleó una estrategia de integración multiómica integral que combina transcriptómica de masa (bulk), secuenciación de ARN de célula única (scRNA-seq) y enfoques computacionales de descubrimiento de fármacos:

1. Adquisición y preprocesamiento de datos: Se fusionaron los datos transcriptómicos de seis conjuntos de datos de GEO (GSE19804, GSE75037, GSE102287, GSE103512, GSE116959, GSE118370) que contenían muestras de tejido tumoral y normal de NSCLC. Los efectos de lote se corrigieron mediante el algoritmo ComBat y se filtraron los genes de baja expresión.
2. Flujo de trabajo de cribado de genes:
   • Análisis de expresión diferencial (DEA): Se identificaron genes diferencialmente expresados (DEGs) utilizando el paquete limma (criterios: |log2FC| > 1, adj. P < 0.05).
   • Análisis de red de coexpresión génica ponderada (WGCNA): Se construyó una red de coexpresión para identificar módulos correlacionados con rasgos clínicos. Se seleccionó el módulo más positivamente correlacionado con el NSCLC.
   • Intersección y enriquecimiento: La intersección de los DEGs y los genes del módulo clave de WGCNA formó el conjunto de genes centrales, seguido de un análisis de enriquecimiento funcional de GO y KEGG.
   • Red PPI: Se construyeron redes de interacción proteína-proteína (PPI) a través de la base de datos STRING, y se identificaron genes centrales (hub genes) utilizando los complementos MCODE y cytoHubba.
   • Integración de aprendizaje automático: Se aplicaron tres algoritmos —regresión LASSO, Máquina de Vectores de Soporte con Eliminación de Características Recursiva (SVM-RFE) y Bosque Aleatorio (RF)— a los genes centrales. La intersección de los genes seleccionados por los tres métodos definió el conjunto final de genes clave.
3. Modelado de diagnóstico: Se construyeron curvas de Característica Operativa del Receptor (ROC) y un modelo de predicción de nomograma para evaluar el rendimiento diagnóstico y la utilidad clínica.
4. Análisis de célula única: Los datos de scRNA-seq públicos (GSE229253) se analizaron utilizando el paquete Seurat para la agrupación y anotación celular. Se utilizó el paquete CellChat para mapear las redes de comunicación célula-célula y las interacciones ligando-receptor dentro del TME.
5. Inactivación virtual y cribado de fármacos:
   • Inactivación virtual (Virtual Knockout): Se utilizó la herramienta scTenifoldKnk para predecir los efectos de la inactivación de TOP2A en la red de expresión génica.
   • Cribado virtual: El marco de aprendizaje profundo DrugReflector realizó el cribado de fármacos de moléculas pequeñas dirigidos a TOP2A.
   • Acoplamiento molecular (Molecular Docking): Los fármacos candidatos se acoplaron contra la estructura de la proteína TOP2A utilizando CB-Dock2 para calcular las energías de unión.

Contribuciones clave y resultados

• Identificación de genes diagnósticos clave: El estudio identificó 1,159 DEGs y un módulo clave de WGCNA (MEblue) que contiene 758 genes. La intersección produjo 111 genes, de los cuales se seleccionaron 10 genes centrales mediante el análisis de PPI. La integración del aprendizaje automático (LASSO, SVM, RF) refinó este grupo a un conjunto final de siete genes clave: CCNA2, CDC20, BUB1, CCNB1, TOP2A, BIRC5 y CENPF.
• Rendimiento diagnóstico: Los siete genes demostraron un excelente valor diagnóstico con valores de Área Bajo la Curva (AUC) > 0.85. TOP2A mostró la mayor eficacia (AUC = 0.957). Un nomograma basado en estos genes mostró una buena calibración y proporcionó un beneficio neto positivo en el análisis de la curva de decisión.
• Significancia pronóstica: La alta expresión de TOP2A se asoció significativamente con una baja supervivencia global (HR = 1.48, P = 1.5×10⁻¹⁰) y se encuentra sobreexpresada en múltiples tipos de cáncer.
• Perspectivas de célula única: El análisis reveló que el microambiente del NSCLC está dominado por células epiteliales, las cuales exhiben una alta expresión de los siete genes clave, particularmente TOP2A. El análisis de comunicación célula-célula identificó vías críticas de ligando-receptor que involucran a las células epiteliales con alta expresión de TOP2A, incluyendo VEGFA-VEGFR1 (angiogénesis), HGF-MET (invasión/metástasis) y GAS6-AXL (evasión inmunitaria).
• Descubrimiento mecanístico (Inactivación virtual): La inactivación virtual de TOP2A alteró significativamente la expresión de EPS8, una proteína adaptadora clave en la vía de EGFR involucrada en la reorganización del citoesqueleto y la migración celular. Esto sugiere un potencial eje "TOP2A-EPS8-EGFR/actina" en la promoción de la metástasis.
• Identificación de candidatos a fármacos: El cribado virtual identificó a BRD-K59184148 como el principal fármaco candidato dirigido a TOP2A. El acoplamiento molecular confirmó un complejo estable con una energía de unión de -9.8 kcal/mol, involucrando enlaces de hidrógeno e interacciones hidrofóbicas con residuos clave (p. ej., ARG-804, SER-802).

Significancia y afirmaciones
Los autores afirman que este estudio proporciona una nueva estrategia para el diagnóstico y tratamiento del NSCLC a través de las siguientes contribuciones:

1. Nuevos biomarcadores: Los siete genes identificados sirven como excelentes marcadores diagnósticos para el NSCLC, destacando TOP2A como un marcador específico de alta eficacia con alta expresión en células epiteliales.
2. Elucidación del microambiente: El estudio elucida el papel de las células epiteliales con alta expresión de TOP2A como emisores centrales de señales en el TME, influyendo en la angiogénesis, la invasión y la evasión inmunitaria a través de vías de señalización paracrina específicas.
3. Objetivo terapéutico: Al vincular TOP2A con EPS8, el estudio ofrece una nueva pista mecanística con respecto a la naturaleza pro-metastásica de TOP2A.
4. Descubrimiento de fármacos: La identificación de BRD-K59184148 como un compuesto líder potencial con una fuerte afinidad de unión a TOP2A ofrece una nueva vía para desarrollar inhibidores selectivos, que potencialmente superen la toxicidad y la resistencia asociadas con los inhibidores de TOP2A existentes como la doxorrubicina y el etopósido.

Los autores mantienen una postura modesta, reconociendo que estos hallazgos se basan en el análisis de bases de datos públicas y requieren validación clínica prospectiva, verificación a nivel de proteína y estudios de eficacia in vivo e in vitro antes de su traslación clínica.