Análisis sanguíneo podría detectar códigos de barras moleculares que distinguen tipos de cáncer

Algunos cánceres son difíciles de clasificar, rastrear y monitorizar después del tratamiento, lo que supone un importante reto clínico. Muchos tumores liberan poco ADN al torrente sanguíneo, lo que dificulta la detección de enfermedad mínima residual o la predicción de recaídas con las herramientas actuales de biopsia líquida. Al mismo tiempo, las células cancerosas activan programas moleculares ausentes en los tejidos normales, pero muchas de estas señales permanecen inexploradas. Investigadores han demostrado que una clase de ARN pequeños específicos del cáncer, previamente ignorada, puede influir en el comportamiento tumoral y detectarse mediante análisis de sangre sencillos, lo que ofrece una nueva forma de clasificar los cánceres y monitorizar a los pacientes a lo largo del tiempo.

En una investigación dirigida por el Instituto Arc (Palo Alto, California, EUA), el equipo se centró en los ARN no codificantes huérfanos, pequeñas moléculas de ARN que no se encuentran en el tejido normal, pero que se detectan repetidamente en los genomas del cáncer. Mediante la minería computacional a gran escala de conjuntos de datos de secuenciación del cáncer, los investigadores mapearon sistemáticamente estos ARN en tumores y los denominaron ARN oncogénicos u oncARN.

Para comprender su relevancia, el equipo combinó el análisis del genoma del cáncer con aprendizaje automático, cribado funcional y modelos animales. Desarrollaron clasificadores que utilizan patrones de expresión de oncARN como códigos de barras moleculares para distinguir tipos, subtipos y estados celulares de cáncer. En paralelo, se utilizaron bibliotecas lentivirales para sobreexpresar o suprimir cientos de oncARN en células cancerosas, lo que permitió a los investigadores identificar cuáles de estas moléculas impulsan activamente el crecimiento tumoral y la metástasis.

Al analizar los datos de secuenciación de ARN pequeño del Atlas del Genoma del Cáncer para 32 tipos de cáncer, los investigadores identificaron aproximadamente 260.000 oncARN presentes en todos los cánceres principales. Cada tipo de cáncer mostró un patrón de oncARN distintivo, lo que permitió a los modelos de aprendizaje automático clasificar la identidad del tumor con una precisión del 90,9 %, lo cual se validó de forma independiente con una precisión del 82,1 % en casi 1.000 tumores adicionales. También se observaron patrones específicos de subtipo dentro de los cánceres, como diferencias entre los tumores mamarios basales y luminales.

El cribado funcional reveló que aproximadamente el 5 % de los oncARN promovían directamente el crecimiento tumoral en modelos de xenoinjerto murino. El análisis detallado de dos oncARN de cáncer de mama mostró la activación de vías relacionadas con la transición epitelial-mesenquimal y la proliferación celular. Estos hallazgos, publicados en Cell, coincidieron con la actividad de las vías observada en los conjuntos de datos de tumores de pacientes.

El hallazgo clínicamente más significativo fue que las células cancerosas secretan activamente numerosos oncARN al torrente sanguíneo. El análisis del ARN libre de células de líneas celulares cancerosas mostró que aproximadamente el 30 % de los oncARN entran en la circulación. En muestras de suero de 192 pacientes con cáncer de mama inscritas en el ensayo de quimioterapia neoadyuvante I-SPY 2, los cambios en la carga total de oncARN tras el tratamiento predijeron considerablemente los resultados. Las pacientes con niveles persistentemente altos de oncARN presentaron una supervivencia general casi cuatro veces peor, independientemente de las medidas clínicas estándar.

Estos resultados sugieren que los oncARN podrían abordar una importante deficiencia en la atención oncológica al permitir la monitorización sensible de la enfermedad mínima residual en sangre, especialmente en cánceres con baja pérdida de ADN. El trabajo en curso busca ampliar la validación en ensayos prospectivos más amplios y explorar cómo la dinámica de los oncARN podría orientar las decisiones terapéuticas, detectar la recurrencia de forma más temprana y refinar la estratificación de los pacientes.

Creemos que los oncARN representan una nueva clase de moléculas emergentes del cáncer que funcionan como impulsores y biomarcadores. Esperamos que este recurso, que hemos puesto a disposición del público, abra nuevas vías para este campo, afirmaron los autores.

Enlaces relacionados:
Instituto Arc

Visitar la expo >

Miembro Oro

Clinical Chemistry Assay

Sorbitol Dehydrogenase (SDH)

Software de laboratorio
Acusera 24•7

Benchtop Thermomixer

Biometra TS1 ThermoShaker

Immunofluorescence Analyzer

IFA System