Investigation of Stress Granule-Associated Biomarkers (IGF1 and CDK2) and Their Regulatory Mechanisms in Alzheimer’s Disease: A Combined Transcriptomic, Bioinformatic and Experimental Study

Resumo Técnico: Investigação de Biomarcadores Associados a Grânulos de Estresse (IGF1 e CDK2) na Doença de Alzheimer

Definição do Problema
A doença de Alzheimer (DA) é a principal causa de demência globalmente, caracterizada por placas de β-amiloide (Aβ) e emaranhados neurofibrilares (NFTs). Apesar da centralidade da patologia de Aβ e tau, a detecção precoce permanece dificultada pela falta de biomarcadores específicos, e as terapias atuais oferecem apenas alívio sintomático. Evidências recentes sugerem que os Grânulos de Estresse (GEs)—condensados sem membrana dinâmicos formados durante o estresse celular—desempenham um papel na patogênese da DA, potencialmente facilitando a oligomerização da proteína tau e a disfunção sináptica. No entanto, a circuiteria regulatória que liga os GEs à DA e a identificação de biomarcadores específicos associados aos GEs permanecem insuficientemente definidas. Este estudo visa preencher essa lacuna através da identificação de biomarcadores transcricionais relacionados aos GEs na DA, utilizando uma abordagem combinada de bioinformática e experimentação.

Metodologia
O estudo empregou um pipeline de múltiplos estágios integrando dados transcriptômicos públicos com validação experimental:

1. Aquisição e Pré-processamento de Dados: Dois conjuntos de dados transcriptômicos de sangue periférico (GSE97760 como coorte de treinamento e GSE140831 como coorte de validação) foram recuperados do banco de dados GEO. Uma lista de 844 Genes Relacionados a Grânulos de Estresse (SGRGs) foi compilada a partir do GeneCards.
2. Triagem de Genes Candidatos: Genes diferencialmente expressos (DEGs) foram identificados no conjunto de treinamento (|log₂FC| > 0,5, p < 0,05) e intersectados com a lista de SGRGs para gerar 287 genes candidatos (CGs).
3. Análise de Rede e Funcional: Redes de Interação Proteína-Proteína (PPI) foram construídas usando STRING e Cytoscape para identificar nós principais. Análises de enriquecimento de Ontologia Gênica (GO) e KEGG foram realizadas para caracterizar funções biológicas.
4. Triagem por Aprendizado de Máquina: Dois algoritmos, regressão LASSO e Eliminação de Características por Vetor de Suporte Recursivo (SVM-RFE), foram aplicados ao conjunto de treinamento para selecionar genes de características. A interseção desses algoritmos identificou sete genes centrais.
5. Modelagem Diagnóstica: Uma Rede Neural Totalmente Conectada (FCNN) foi construída para avaliar o desempenho diagnóstico dos biomarcadores selecionados. A análise da curva ROC (Receiver Operating Characteristic) foi utilizada para avaliar a sensibilidade e a especificidade.
6. Exploração Mecanística: Foram realizadas Análise de Enriquecimento de Conjunto de Genes (GSEA), perfil de infiltração imune (CIBERSORT) e regulação de rede molecular (miRNA-lncRNA-mRNA). A ancoragem molecular (molecular docking) foi realizada para explorar potenciais interações ligante-proteína.
7. Validação Experimental: A PCR quantitativa de transcrição reversa (RT-qPCR) foi realizada em 10 amostras clínicas (5 DA, 5 controles) do Quinto Hospital Afiliado da Universidade Médica de Xinjiang para verificar a expressão dos biomarcadores.

Principais Resultados

• Identificação de Biomarcadores: A análise de aprendizado de máquina refinou os genes candidatos para sete características, das quais IGF1 e CDK2 foram retidos como biomarcadores centrais com base na consistência das tendências de expressão e no desempenho diagnóstico (AUC > 0,7).
• Padrões de Expressão: Nos conjuntos de dados, o IGF1 foi consistentemente subregulado, enquanto o CDK2 foi regulado positivamente em pacientes com DA em comparação aos controles (p < 0,05).
• Desempenho Diagnóstico: O modelo FCNN utilizando IGF1 e CDK2 alcançou um AUC de 0,989 no conjunto de treinamento e 0,773 no conjunto de validação externa, demonstrando forte capacidade discriminativa.
• Mecanismos Regulatórios:
  • Interações de miRNA: As redes regulatórias identificaram associações específicas de miRNA: IGF1 com hsa-miR-19b-3p e CDK2 com hsa-miR-302a-3p.
  • Enriquecimento de Vias: Ambos os biomarcadores foram enriquecidos na via de sinalização do receptor de células T (TCR) de KEGG, juntamente com vias metabólicas (metabolismo de ácido alfa-linolênico e ácido linoleico).
  • Infiltração Imune: As amostras de DA mostraram diminuição de macrófagos M0, neutrófilos e Tregs, e aumento de células T de memória CD4+ ativadas. O IGF1 correlacionou-se positivamente com macrófagos M0 e Tregs, enquanto o CDK2 correlacionou-se negativamente com Tregs.
• Ancoragem Molecular: A ancoragem computacional previu afinidades de ligação de -7,3 kcal/mol para o IGF1 com N,N-bis(3-(D-gluconamido) propyl) deoxycholamide e -11,2 kcal/mol para o CDK2 com Alvocidib.
• Validação Experimental: A RT-qPCR confirmou a subregulação significativa de IGF1 em amostras clínicas de DA. No entanto, a regulação positiva de CDK2 não foi replicada estatisticamente nesta coorte clínica específica, uma discrepância que os autores atribuem a possíveis limitações de detecção no sangue periférico ou heterogeneidade da coorte.

Significância e Alegações
O estudo alega fornecer evidências preliminares ligando as redes regulatórias relacionadas a GEs à patogênese da DA, indo além do framework tradicional de Aβ/tau. Ao identificar IGF1 e CDK2 como potenciais biomarcadores associados a GEs, o trabalho sugere um "eixo fator de crescimento-ciclo celular-imunidade" que pode impulsionar a neuroinflamação e a progressão da doença. Os autores postulam que o padrão combinado de biomarcadores (CDK2↑ + IGF1↓) poderia servir como base para o diagnóstico precoce não invasivo.

O artigo apresenta seus achados de forma modesta, como "pistas preliminares" para marcadores diagnósticos e alvos terapêuticos. O texto afirma explicitamente que os resultados de ancoragem molecular são exploratórios e não devem ser interpretados como recomendações farmacológicas sem posterior validação pré-clínica. Os autores reconhecem limitações, incluindo a restrição ao sangue periférico, o potencial viés de seleção em conjuntos de dados públicos e a falta de replicação para o CDK2 na coorte de validação clínica. Eles concluem que validações adicionais em coortes multicêntricas maiores e ao nível proteico são necessárias para confirmar a utilidade clínica desses biomarcadores.