Transcriptomic features for prediction of endovascular thrombectomy clinical benefit in stroke

Resumo Técnico: Características Transcriptômicas para a Predição de Benefício Clínico da Trombectomia Endovascular no Acidente Vascular Cerebral

Definição do Problema
A trombectomia mecânica (TM) é a terapia de reperfusão padrão para o acidente vascular cerebral isquêmico agudo (AVSi) causado por oclusão de grande vaso (OGV). No entanto, existe uma marcada heterogeneidade interindividual nos desfechos terapêuticos, com uma parcela significativa de pacientes que não alcançam a recuperação funcional ou sofrem complicações, como a transformação hemorrágica. Os marcadores preditivos pré-operatórios atuais são insuficientes; os indicadores existentes (ex: grau de recanalização, hemorragia pós-procedimento) são retrospectivos ou pós-procedimentais, criando um atraso temporal que impede a triagem pré-operatória precisa. O estudo aborda a necessidade de novos marcadores de risco pré-operatórios para orientar estratégias de tratamento individualizadas e prever quais pacientes com LVO-AVSi derivarão benefício clínico da TM.

Metodologia
O estudo empregou um delineamento de coorte clínica prospectiva envolvendo 22 pacientes com AVC de circulação anterior admitidos no Primeiro Hospital Afiliado da Universidade de Hebei North entre maio de 2025 e maio de 2026.

• Estratificação de Pacientes: Os pacientes foram estratificados em grupos de prognóstico "favorável" e "desfavorável" com base em dois desfechos: melhora neurológica precoce (ENI ≥ redução de 30% na escala NIHSS em 24 horas) e prognóstico funcional a longo prazo (escala de Rankin modificada [mRS] de 90 dias ≤ 2).
• Coleta de Amostras: Sangue venoso periférico foi coletado em tubos PAXgene antes do procedimento de trombectomia endovascular (TEV).
• Análise Transcriptômica: O sequenciamento de RNA (RNA-seq) foi realizado utilizando a plataforma Illumina NovaSeq. O processamento de dados incluiu controle de qualidade (fastp), alinhamento ao genoma de referência humano (GRCh38.p14) via HISAT2 e quantificação via RSEM.
• Bioinformática: Genes diferencialmente expressos (DEGs) foram identificados usando DESeq2 (critérios: |log2FC| ≥ 1, FDR < 0,05). A análise de enriquecimento funcional foi realizada via Ontologia Gênica (GO) e análise de vias KEGG. Redes de interação proteína-proteína (PPI) foram construídas para identificar genes centrais (hub genes).
• Modelagem Estatística: Análises de regressão de Cox univariada e multivariada foram utilizadas para identificar genes associados ao benefício do procedimento. Curvas de Característica de Operação do Receptor (ROC) e Análise de Curva de Decisão (DCA) foram utilizadas para avaliar o desempenho preditivo e o benefício clínico líquido dos sinais genéticos identificados.

Principais Contribuições e Resultados

• Perfil Transcriptômico: A análise identificou 567 DEGs significativos entre respondedores e não respondedores. Especificamente, 432 genes estavam regulados positivamente (upregulated) no grupo favorável (enriquecidos em vias imuno-inflamatórias), enquanto 135 estavam regulados negativamente (downregulated) (enriquecidos em vias de apoptose neuronal e lesão endotelial).
• Enriquecimento de Vias: A Análise de Enriquecimento de Conjunto de Genes revelou que o grupo favorável exibiu enriquecimento significativo em processos biológicos inflamatórios, com a "interação citocina-receptor de citocina" sendo identificada como a principal via KEGG. Isso sugere que a inflamação pré-operatória pode facilitar a recuperação neurológica neste contexto.
• Identificação de Genes Centrais (Hub Genes): Através da análise de rede PPI e modelagem de regressão, quatro genes centrais relacionados a neutrófilos foram identificados como reguladores principais: AZU1, ELANE, MPO e MMP8.
  • Correlação: Esses quatro genes mostraram forte correlação com a eficácia da TM. Notavelmente, embora o DEFA1B tenha apresentado diferenças de expressão distintas, ele não serviu como um regulador prognóstico independente na análise multivariada.
  • Desempenho Preditivo: O modelo de regressão logística baseado em ELANE alcançou uma Área Sob a Curva (AUC) de 0,893. O painel de quatro genes demonstrou boa capacidade discriminativa tanto para desfechos de curto prazo (ENI) quanto de longo prazo (mRS de 90 dias), com AUCs variando de 0,785 (MMP8) a 0,832 (MPO).
  • Utilidade Clínica: A Análise de Curva de Decisão (DCA) indicou que o modelo de quatro genes proporcionou um benefício clínico líquido máximo de 0,64, superando as estratégias de referência em todas as probabilidades de limiar relevantes.

Significância e Alegações
O artigo afirma que os perfis transcriptômicos de sangue periférico pré-operatórios diferem significativamente entre respondedores e não respondedores à TM, especificamente em relação à expressão de genes inflamatórios. O estudo postula que indivíduos com expressão elevada de genes inflamatórios específicos (AZU1, ELANE, MPO, MMP8) têm maior probabilidade de derivar benefícios clínicos da cirurgia.

Os autores asseveram que esses quatro genes centrais servem como biomarcadores preditivos candidatos preliminares e não invasivos. Sua importância reside em:

1. Fornecer uma base molecular para as respostas variáveis ao tratamento pós-intervenção observadas em pacientes com AVSi.
2. Oferecer uma ferramenta potencial para a estratificação de risco pré-operatório e formulação de estratégias de TM individualizadas.
3. Sugerir que a resposta inflamatória sistêmica aguda desencadeada pela oclusão de grande vaso desempenha um papel regulador tanto nos processos de reparo neural de curto quanto de longo prazo.

Limitações e Modéstia das Alegações
Os autores reconhecem explicitamente a natureza exploratória do estudo e diversas limitações:

• Tamanho da Amostra: A coorte foi pequena (n=22) e de centro único, limitando a generalização e a capacidade de ajustar múltiplas variáveis de confusão.
• Causalidade: O estudo identifica associações correlativas, mas não pode estabelecer relações causais entre os níveis de expressão gênica e o benefício cirúrgico.
• Resolução Celular: Foi utilizado RNA-seq de massa (bulk RNA-seq), o que impede a identificação precisa de subconjuntos celulares específicos que impulsionam a expressão; os autores observam que o sequenciamento de célula única (single-cell sequencing) é necessário para esclarecer padrões específicos de células.
• Validação: Os achados requerem validação em coortes maiores, multicêntricas, com validação externa independente antes da tradução clínica.

Consequentemente, o artigo apresenta esses genes como marcadores "preliminares" e "candidatos", enfatizando a necessidade de pesquisas celulares, animais e clínicas prospectivas adicionais para validar os mecanismos regulatórios e a utilidade clínica.