Protease activity in plasma extracellular vesicles enables diffuse large B-cell lymphoma detection, relapse- and therapy monitoring

Resumo Técnico: Atividade de Protease em Vesículas Extracelulares de Plasma para Detecção e Monitoramento de DLBCL

Definição do Problema
O linfoma difuso de células B grandes (DLBCL) continua sendo um desafio clínico significativo, com uma proporção substancial de pacientes apresentando doença refratária ou recaída, apesar dos avanços na terapia, incluindo a transferência de células CAR-T. As ferramentas atuais de estratificação de risco, como o Índice Prognóstico Internacional (IPI), mostraram confiabilidade decrescente na era do rituximabe, e o monitoramento regular por imagem carece de sensibilidade para detectar a recorrência molecular precocemente. Embora o DNA tumoral circulante (ctDNA) ofereça uma abordagem promissora de biópsia líquida, sua utilidade clínica é frequentemente limitada por tempos de processamento prolongados, complexidade metodológica e sensibilidade limitada para a detecção precoce de recaídas. Além disso, as estratégias existentes de biomarcadores de vesículas extracelulares (EVs), baseadas principalmente em RNA derivado de EVs, carecem de métodos de isolamento padronizados e ensaios de leitura robustos. Há uma necessidade crítica de um sistema de biomarcadores simples, sensível e de baixo custo capaz de detectar o DLBCL, estratificar o risco e monitorar a doença residual mínima (MRD) e a resposta à terapia.

Metodologia
O estudo empregou uma abordagem multimodal centrada na análise de vesículas extracelulares plasmáticas (pEVs) isoladas de amostras de sangue de pacientes.

• Coorte de Amostras: Sangue periférico foi coletado de 61 pacientes com DLBCL, 12 pacientes com linfoma de Hodgkin, 30 pacientes com linfoma de células B indolente e 50 controles saudáveis (HC) pareados por idade. As amostras foram coletadas no diagnóstico e longitudinalmente durante/após imunoquimioterapia contendo rituximabe.
• Isolamento: As pEVs foram purificadas usando cromatografia de modo duplo (DMC), combinando cromatografia de exclusão por tamanho (SEC) para remover proteínas livres e cromatografia de troca catiônica (CEX) para depletar lipoproteínas. O isolamento foi validado via microscopia eletrônica, Western blot (CD63) e análise de rastreamento de nanopartículas interferométrica (iNTA) para tamanho e concentração.
• Ensaio de Atividade de Protease (PAA): Um ensaio funcional foi desenvolvido para medir a atividade de protease associada às pEVs. Trinta e três peptídeos de transferência de energia de ressonância de Förster (FRET) foram triados; 10 peptídeos exibindo padrões de atividade linear consistentes foram selecionados. A atividade cumulativa de protease (pEV-PA) foi quantificada medindo a inclinação do aumento da fluorescência ao longo do tempo.
• Perfil Proteômico: Para validar os achados funcionais, o conteúdo das pEVs de 61 pacientes com DLBCL e 22 HC foi analisado usando proteômica Olink®, visando 3.000 proteínas.
• Análise de Dados: Modelos de aprendizado de máquina (incluindo redes neurais, gradient boosting estocástico e k-vizinhos mais próximos) foram treinados em divisões de treinamento/teste (80/20) para classificar amostras com base em características de protease. Análise de expressão diferencial (limma) e redução de dimensionalidade (t-SNE, PCA) foram aplicadas aos dados proteômicos.

Principais Contribuições e Resultados

• Diferenciação de DLBCL de Controles: O ensaio pEV-PA distinguiu com sucesso pacientes com DLBCL de controles saudáveis. A atividade cumulativa de 10 proteases rendeu uma Área Sob a Curva (AUC) de 0,91, com 87% de sensibilidade e 100% de especificidade. Classificadores de aprendizado de máquina alcançaram AUCs variando de 0,91 a 0,97 nos conjuntos de dados de teste. O perfil proteômico corroborou esses achados, alcançando discriminação perfeita de grupo (AUC = 1,0) com separação linear clara em gráficos t-SNE e PCA.
• Identificação de Biomarcadores Específicos: Entre as proteases analisadas, ADAM10, ADAM17, Aggrecanase, MMP2, MMP3, MMP8, MMP9 e MMP10 foram identificadas como características fundamentais. A análise proteômica destacou fatores regulados positivamente, como a Proteína Fosfato 1 Secretada (SPP1) e a Molécula Específica de Célula Endotelial 1 (ESM1), que são conhecidas por modular o microambiente tumoral.
• Predição de Resposta ao Tratamento: Os níveis basais de pEV-PA correlacionaram-se com os desfechos do tratamento. Não respondedores (progressão/recaída dentro de 52 meses) exibiram significativamente maior pEV-PA cumulativo no diagnóstico em comparação aos respondedores. Especificamente, atividades elevadas de ADAM17, Aggrecanase, MMP8, MMP10 e MMP13 foram associadas à não resposta. Modelos de aprendizado de máquina aplicados aos dados proteômicos alcançaram escores de AU-ROC de 0,67–0,84 em conjuntos de teste para distinguir respondedores de não respondedores.
• Monitoramento Longitudinal: O estudo demonstrou que a dinâmica de pEV-PA reflete a atividade da doença. Respondedores mostraram uma redução acentuada na PA cumulativa após a terapia, enquanto não respondedores exibiram aumentos ou níveis altos estáveis. Atividades basais elevadas de ADAM17, CD10, MMP10 e Aggrecanase foram associadas a uma sobrevida livre de progressão (PFS) significativamente mais curta, superando a precisão prognóstica de um escore IPI >3.
• Especificidade do Enriquecimento de pEV: O estudo observou que a detecção de PA no plasma sem o isolamento prévio de pEVs resultou majoritariamente em resultados negativos, confirmando que o enriquecimento de pEV é necessário para discriminar assinaturas de protease.

Significância e Alegações
Os autores afirmam que a atividade de protease associada às pEV serve como uma medida sensível e indireta da carga tumoral e da atividade dinâmica da doença no DLBCL. O estudo postula que as pEVs não são liberadas apenas por células malignas, mas também por células hospedeiras (ex: hepatócitos, PBMCs) respondendo ao secretoma da célula cancerígena (CCS), que inclui componentes imunoestimulatórios como transposons e retrovírus endógenos. Esse mecanismo explica a correlação entre a PA elevada e desfechos inferiores.

O artigo afirma que o PAA oferece uma vantagem distinta sobre os métodos existentes devido à sua simplicidade, sensibilidade e custo-benefício. Ao capturar biomarcadores baseados em atividade em vez de mera abundância proteica, o ensaio amplifica os sinais e pode fornecer maior especificidade do que proteases livremente circulantes. Os autores concluem que o pEV-PA é uma ferramenta promissora para estratificação de risco, predição de recaída precoce e monitoramento de doença residual mínima, permitindo potencialmente o ajuste mais preciso das terapias de primeira linha e a iniciação precoce de terapias avançadas como células CAR-T. No entanto, os autores mantêm-se modestos quanto à implementação clínica, reconhecendo limitações como o tamanho relativamente pequeno da coorte, a ausência de controles com comorbidades relevantes e a necessidade de estudos prospectivos maiores para estabelecer valores de corte diagnósticos definitivos.