Epigenetic profile drives accurate survival prediction in breast cancer via a multi-omics machine learning model

Resumo Técnico: O Perfil Epigenético Direciona a Predição Precisa de Sobrevivência no Câncer de Mama via um Modelo de Aprendizado de Máquina Multi-ômico

Definição do Problema
A predição precisa da sobrevida global (SG) é fundamental para estratégias de tratamento personalizado no câncer de mama. Embora a carga mutacional tumoral (TMB) e as mutações somáticas tenham emergido como biomarcadores prognósticos em várias malignidades, sua utilidade no câncer de mama é limitada. Evidências sugerem que uma alta TMB não prevê de forma confiável melhor desfechos de sobrevida no câncer de mama, ao contrário de outros cânceres onde correlaciona-se com melhores respostas ao bloqueio de checkpoint imunológico. Os modelos prognósticos existentes frequentemente dependem de tipos de dados isolados (por exemplo, perfis de mutação isolados) ou carecem do poder integrativo para capturar todo o espectro da biologia tumoral. Consequentmente, há uma necessidade de modelos robustos que integrem características tumorais multidimensionais — incluindo dados genômicos, transcriptômicos, proteômicos e epigenéticos — para superar as limitações das abordagens centradas em mutações e melhorar a precisão prognóstica.

Metodologia
O estudo utilizou dados da coorte de Carcinoma Invasivo de Mama (BRCA) do TCGA, compreendendo 802 pacientes do sexo feminino com anotações multi-ômicas e clínicas abrangentes. O fluxo de trabalho envolveu as seguintes etapas:

1. Integração de Dados e Seleção de Características: Os autores integraram dados genômicos (mutações somáticas, TMB), transcriptômicos (RNA-seq), proteômicos (RPPA e espectrometria de massa), epigenéticos (metilação do DNA) e características clínicas. Análises de correlação iniciais (Pearson e Spearman) e regressão de riscos proporcionais de Cox penalizada por Lasso foram utilizadas para identificar características significativamente associadas à SG. Esta etapa reduziu a dimensionalidade e selecionou um conjunto esparso de variáveis preditivas.
2. Desenvolvimento do Modelo (BANDOL): Um modelo de Floresta de Sobrevivência Aleatória (RSF), denominado BANDOL (Breast cancer Analysis with Neoplastic Data and Omics Learning), foi treinado nos recursos selecionados. O RSF foi escolhido por sua capacidade de lidar com dados de sobrevida de alta dimensão e censurados sem assumir riscos proporcionais.
3. Estratégia de Validação: O desempenho do modelo foi avaliado usando uma abordagem de validação cruzada aninhada. O loop externo (5-fold) estimou o desempenho de generalização, enquanto o loop interno (5-fold) otimizou hiperparâmetros via busca em grade (grid search). O desempenho foi medido pelo Índice de Concordância (C-index) e curvas ROC dependentes do tempo com AUC cumulativa dinâmica.
4. Interpretabilidade: Valores de Explicações Aditivas de Shapley (SHAP) foram computados para quantificar a contribuição de cada característica para as predições do modelo, identificando os drivers mais influentes da sobrevida.
5. Teste de Transferibilidade: Para avaliar a generalizabilidade, o modelo treinado em câncer de mama foi aplicado a duas coortes independentes do TCGA representando tipos distintos de câncer: Câncer Uterino (UEC, n=227) e Glioma de Baixo Grau (LGG, n=189).

Principais Resultados

• Poder Preditivo Limitado de Mutações: Análises de correlação e regressão de Cox revelaram que as características mutacionais, incluindo a TMB, tiveram correlação negligenciável com a SG no coorte de câncer de mama. Apenas um punhado de características clínicas (ex: uso de medicamentos específicos, idade) e características moleculares não mutacionais mostraram associações significativas com a sobrevida.
• Superioridade da Integração Multi-ômica: O modelo BANDOL treinado em dados multi-ômicos alcançou um C-index de 0,7468, superando significativamente um modelo treinado apenas em dados mutacionais (C-index: 0,5292). A análise de AUC dependente do tempo confirmou ainda mais isso, com o modelo multi-ômico atingindo AUCs entre 0,9 e 1,0, comparado a 0,4–0,9 para o modelo baseado apenas em mutações.
• Dominância Epigenética: A análise de valores SHAP identificou as características epigenéticas como os preditores mais fortes de SG. Especificamente, os níveis de metilação de ME3, PPARG, OLIG3 e SLC25A22 foram drivers críticos das predições do modelo.
• Insights Biológicos:
  • Maior SG: Associada a assinaturas de ativação imune, incluindo células T ingênuas, células mieloides, sinalização de IL-2, vias de IFN Tipo I e padrões específicos de expressão de mRNA/proteína (ex: IRF2, ESRRG, MAP2K6).
  • Menor SG: Ligada a assinaturas imunossupressoras, incluindo células mieloides TREM2+, células B, sinalização de leptina e níveis elevados de PELO, MAFA e NFKB1 fosforilado.
• Transferibilidade Cross-Cancer: Quando aplicado às coortes UEC e LGG, o modelo manteve um desempenho preditivo moderado (C-index 0,57 e 0,62, respectivamente), superando os modelos baseados apenas em mutações nesses contextos, embora o desempenho tenha sido inferior ao da coorte original de câncer de mama.

Significância e Alegações
O artigo alega que a integração de dados multi-ômicos via aprendizado de máquina melhora significativamente a predição de sobrevida no câncer de mama em comparação com modelos que dependem apenas de perfis de mutação ou características clínicas. O estudo demonstra que os perfis epigenéticos são os principais drivers da predição precisa de sobrevida neste contexto, sugerindo que os padrões de metilação do DNA capturam informações regulatórias críticas perdidas pela sequenciação genômica isolada.

Além disso, a pesquisa identifica biomarcadores acionáveis e potenciais alvos terapêuticos. Os autores sugerem que as terapias atuais poderiam ser combinadas com estratégias visando a metilação de ME3, PPARG, OLIG3 e SLC25A22, bem como a desfosforilação de NFKB1 e o direcionamento de MAFA e PELO. O estudo conclui que, embora o modelo mostre promessa de transferibilidade cross-cancer, sua principal força reside no cenário do câncer de mama, onde fornece um arcabouço robusto para estimar o risco do paciente e a probabilidade de sobrevida. Os autores reconhecem limitações, observando que a seleção de características via Lasso-Cox pode favorecer relações lineares e que a validação externa foi realizada em diferentes tipos de câncer em vez de conjuntos de dados independentes de câncer de mama, enquadrando os resultados cross-cancer como uma avaliação de transferibilidade, e não como uma validação externa formal.