Um potencial biomarcador diagnóstico e prognóstico no câncer gástrico
uma análise in silico do gene GPNMB
DOI:
https://doi.org/10.18226/25253824.v8.n13.13Palavras-chave:
Câncer de Estômago, Expressão Diferencial, Inteligência Artificial, Gene Expression Omnibus, The Cancer Genome Atlas.Resumo
O câncer gástrico é o quinto mais comum e a terceira maior causa de morte por câncer no mundo. No estágio inicial os pacientes podem ser assintomáticos ou não apresentar sintomas específicos, dificultando o diagnóstico. Um estudo prévio identificou 39 genes com potencialidade de utilização como biomarcadores no câncer gástrico, entre eles o gene GPNMB. Nesse contexto, este trabalho teve como objetivo explorar o GPNMB como biomarcador prognóstico e diagnóstico para o câncer gástrico. Foram utilizados dados de expressão extraídos dos repositórios Gene Expression Omnibus (GSE33335 e GSE54129) e do The Cancer Genome Atlas (TCGA-STAD). A aquisição dos dados, o processamento e aplicação das análises estatísticas foram realizados com uma ferramenta de desenvolvimento próprio. Os algoritmos K-means e árvore de decisão foram aplicados para determinar o potencial como biomarcador diagnóstico do gene, enquanto que uma análise de sobrevida verificou a influência da expressão no prognóstico. A expressão de GPNMB foi maior em amostras de tecido tumoral quando comparadas com tecido não tumoral adjacente (NT). O K-means possibilitou a formação de grupos independentes com amostras normais e NT. De forma similar, com a árvore de decisão, as amostras foram corretamente classificadas em tecido normal e NT, de acordo com os valores de expressão. Além disso, as análises de sobrevida indicaram que a alta expressão do gene GPNMB está associada ao pior prognóstico. A pesquisa desenvolvida evidenciou o potencial do gene GPNMB como biomarcador para câncer gástrico, sendo esse demonstrado importante no desenvolvimento da doença.
Referências
de Araújo, N. D., de Farias, R. P., Pereira, P. B., de Figueirêdo, F. M., de Morais, A. M. B., Saldanha, L. C., & Gabriel, J. E. (2008). A era da bioinformática: seu potencial e suas implicações para as ciências da saúde. Estudos de biologia, 30(70/72): 143-8 https://doi.org/10.7213/reb.v30i70/72.22819
INSTITUTO Nacional de Câncer (INCA). O que é câncer? Disponível em <https://www.gov.br/inca/pt-br/assuntos/cancer/o-que-e-cancer>. Acesso em: 21 set. 2022.
Vogelstein, B., & Kinzler, K. W. (2015). The path to cancer—three strikes and you’re out. N Engl J Med, 373 (20), 1895-1898. https://www.nejm.org/doi/10.1056/NEJMp1508811
Ward, L. S. (2002). Entendendo o processo molecular da tumorigênese. Arquivos Brasileiros de Endocrinologia & Metabologia, 46, 351-360. https://doi.org/10.1590/S0004-27302002000400006
Bray, F., Ferlay, J., Soerjomataram, I., Siegel, R. L., Torre, L. A., & Jemal, A. (2018). Global cancer statistics 2018: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA: a cancer journal for clinicians, 68 (6), 394-424. https://doi.org/10.3322/caac.21492
Yakirevich, E., & Resnick, M. B. (2013). Pathology of gastric cancer and its precursor lesions. Gastroenterology Clinics, 42 (2), 261-284. https://doi.org/10.1016/j.gtc.2013.01.004
Van Cutsem, E., Sagaert, X., Topal, B., Haustermans, K., & Prenen, H. (2016). Gastric cancer. The Lancet, 388 (10060), 2654-2664. http://dx.doi.org/10.1016/S0140-6736(16)30354-3
Pasechnikov, V., Chukov, S., Fedorov, E., Kikuste, I., & Leja, M. (2014). Gastric cancer: prevention, screening and early diagnosis. World journal of gastroenterology: WJG, 20 (38), 13842. http://dx.doi.org/10.3748/wjg.v20.i38.13842
Lee, J. Y., Kim, H. I., Kim, Y. N., Hong, J. H., Alshomimi, S., An, J. Y., ... & Kim, C. B. (2016). Clinical significance of the prognostic nutritional index for predicting short-and long-term surgical outcomes after gastrectomy: a retrospective analysis of 7781 gastric cancer patients. Medicine, 95 (18), e3539. https://doi.org/10.1097/md.0000000000003539
Matsuoka, T., & Yashiro, M. (2018). Biomarkers of gastric cancer: Current topics and future perspective. World journal of gastroenterology, 24 (26), 2818. https://doi.org/10.3748%2Fwjg.v24.i26.2818
Henry, N. L., & Hayes, D. F. (2012). Cancer biomarkers. Molecular oncology, 6 (2), 140-146. https://doi.org/10.1016/j.molonc.2012.01.010
Rossetto, M. V. (2019). Análise de expressão diferencial de genes: uma solução computacional para identificação de biomarcadores de tumores gástricos em humanos. Dissertação, Universidade de Caxias do Sul https://repositorio.ucs.br/11338/8780
Taya, M., & Hammes, S. R. (2018). Glycoprotein non-metastatic melanoma protein B (GPNMB) and cancer: a novel potential therapeutic target. Steroids, 133, 102-107. https://doi.org/10.1016/j.steroids.2017.10.013
Edgar, R., Domrachev, M., & Lash, A. E. (2002). Gene Expression Omnibus: NCBI gene expression and hybridization array data repository. Nucleic acids research, 30 (1), 207-210. https://doi.org/10.1093/nar/30.1.207
Cheng, L., Yang, S., Yang, Y., Zhang, W., Xiao, H., Gao, H., ... & Zhang, Q. (2012). Global gene expression and functional network analysis of gastric cancer identify extended pathway maps and GPRC5A as a potential biomarker. Cancer letters, 326(1), 105-113. https://doi.org/10.1016/j.canlet.2012.07.031
Cancer Genome Atlas Research Network. Comprehensive molecular characterization of gastric adenocarcinoma. Nature 513, 202-209, 2014.
Demšar, J., Curk, T., Erjavec, A., Gorup, Č., Hočevar, T., Milutinovič, M., ... & Zupan, B. (2013). Orange: data mining toolbox in Python. the Journal of machine Learning research, 14 (1), 2349-2353. https://www.jmlr.org/papers/volume14/demsar13a/demsar13a.pdf
Lazaratos, A. M., Annis, M. G., & Siegel, P. M. (2022). GPNMB: a potent inducer of immunosuppression in cancer. Oncogene, 41 (41), 4573-4590. https://doi.org/10.1038/s41388-022-02443-2
Li, H., Xiao, Y., Wu, C. C., Yang, L. L., Cao, L. Y., Chen, D. R., ... & Sun, Z. J. (2019). High expression of GPNMB predicts poor prognosis in head and neck squamous cell carcinoma. Histology and Histopathology, 34(7). https://doi.org/10.14670/hh-18-084
Ren, F., Zhao, Q., Liu, B., Sun, X., Tang, Y., Huang, H., ... & Mi, Y. (2020). Transcriptome analysis reveals GPNMB as a potential therapeutic target for gastric cancer. Journal of Cellular Physiology, 235(3), 2738-2752. https://doi.org/10.1002/jcp.29177
Huang, Y. H., Chu, P. Y., Chen, J. L., Huang, C. T., Huang, C. C., Tsai, Y. F., ... & Liu, C. Y. (2021). Expression pattern and prognostic impact of glycoprotein non-metastatic B (GPNMB) in triple-negative breast cancer. Scientific reports, 11 (1), 12171. https://doi.org/10.1038/s41598-021-91588-3
Maric, G., Rose, A. A., Annis, M. G., & Siegel, P. M. (2013). Glycoprotein non-metastatic b (GPNMB): A metastatic mediator and emerging therapeutic target in cancer. OncoTargets and therapy, 9 (6) 839-852. https://doi.org/10.2147/OTT.S44906
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2024 Bianca de Andrade Lopes, Fernanda Pessi de Abreu, Pedro Lenz Casa, Marcos Vinícius Rossetto, Scheila de Avila e Silva
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a licença Creative Commons Atribuição 4.0 Internacional (CC BY 4.0), que permite o compartilhamento do trabalho com reconhecimento da autoria do trabalho e publicação inicial nesta revista.
