Análisis pancanceroso de mutaciones tumorales apunta a biomarcadores predictivos

Cuantificar la efectividad de diferentes terapias contra el cáncer en pacientes con mutaciones tumorales específicas es fundamental para mejorar los resultados de los pacientes y avanzar en la medicina de precisión. Un objetivo clave de la medicina de precisión es caracterizar cómo los pacientes con mutaciones genéticas específicas responden a las terapias.

Los avances en el modelado de las interacciones mutación-tratamiento pueden mejorar potencialmente los resultados de los pacientes al recomendar tratamientos prometedores basados en el perfil de mutación tumoral distinto de cada paciente. Estas interacciones son especialmente importantes para orientar las terapias contra el cáncer, que está impulsado por mutaciones heterogéneas.

Los científicos biomédicos de la Universidad de Stanford (Stanford, CA, EUA) y sus colegas utilizaron una estrategia analítica a nivel de genes y buscaron vínculos entre los perfiles de mutación tumoral, los antecedentes de tratamiento del cáncer y los patrones de supervivencia. Su conjunto de datos incluía entradas de registros de salud electrónicos (EHR) y perfiles de secuencia de panel de Foundation Medicine específicos para cientos de genes relacionados con el cáncer en más de 40.900 pacientes con cáncer anonimizados que forman parte de la base de datos clinicogenómica Flatiron Health-Foundation Medicine (Nueva York, NY, EUA).

Los participantes incluyeron a más de 12.900 personas con cáncer de pulmón de células no pequeñas (CPCNP) avanzado, cerca de 7.900 pacientes con cáncer de mama metastásico, casi 3.900 personas con cáncer de ovario, unos 3.500 pacientes con cáncer de páncreas metastásico y miles de pacientes más con cáncer de vejiga avanzado, carcinoma de células renales o melanoma. El equipo explicó, y señaló, que los resultados se verificaron utilizando datos de casi 3.900 casos adicionales de cáncer avanzado de pulmón, mama o colorrectal de un conjunto de datos de la Asociación Estadounidense para la Investigación del Cáncer (Filadelfia, Pensilvania, EUA).

El equipo marcó 458 marcadores de mutaciones aparentes para la supervivencia en pacientes con cáncer que recibieron protocolos de tratamiento específicos y descubrió mutaciones específicas que normalmente ocurren junto con otras alteraciones tumorales. Los investigadores encontraron que las mutaciones en 42 genes registraron resultados de supervivencia en al menos uno de los tipos de cáncer considerados, por ejemplo. Estos genes, a su vez, mostraron casi 100 interacciones significativas.

De acuerdo con estudios anteriores que mostraron vínculos entre la resistencia al inhibidor de EGFR y las mutaciones de KRAS en CPCNP avanzados, observaron una supervivencia más corta de lo habitual para los casos con mutación de KRAS tratados con inhibidores de EGFR y una mayor supervivencia en pacientes con CPCNP avanzado tratados con inhibidores de EGFR con tumores tipo KRAS-wild. Cuando el equipo analizó las interacciones mutación-mutación entre genes como ALK, BRAF, EGFR, MET, RET, ROS1, ERBB2 o PIK3CA, que actualmente son el objetivo de los tratamientos aprobados por la FDA, encontró genes que tenían más o menos probabilidades de ser mutado junto con alteraciones que afectan a los genes objetivo.

Los autores concluyeron que sus hallazgos demuestran que los datos clinicogenómicos del mundo real de alta calidad de pacientes con cáncer pueden ser un recurso importante para investigar tales interacciones entre mutación y tratamiento al capturar información de resultados de pacientes en diversos tratamientos. A medida que los datos de secuenciación de tumores se vinculan cada vez más con el EHR, dichos datos combinados con un análisis computacional cuidadoso pueden beneficiar enormemente a la medicina de precisión. El estudio fue publicado el 30 de junio de 2022 en la revista Nature Medicine.

Enlaces relacionados:
Universidad Stanford
Flatiron Health-Foundation Medicine
Asociación Estadounidense para la Investigación del Cáncer

Visitar la expo >

Miembro Platino

Analizador de coagulación automatizado

Hemolumi H6

βeta-Hydroxybutyrate Reagent
β-Hydroxybutyrate LiquiColor®

Miembro Oro

Solución de biomarcadores proteicos en sangre para la enfermedad de Alzheimer

BG-DTi2000.

Miembro Oro

Electrolyte Analyzer

CBS-4000 (CBS-400)