ABSTRACT
A resistência a quimioterapia é um dos principais fatores para falhas no tratamento dos pacientes com carcinoma epidermóide de orofaringe (CCEO). O regime mais frequentemente utilizado nestes casos é a quimioterapia de indução (IC) com taxano, platina e 5-fluorouracil. Apesar da maioria dos pacientes responderem satisfatoriamente ao tratamento, uma parcela deles apresenta resposta insatisfatória podendo ocorrer progressão tumoral. Outro fator crítico é a alta taxa de toxicidade, especialmente no grupo de pacientes que não se beneficia do tratamento. Até o momento, não há marcadores moleculares capazes de auxiliar na predição da resposta e evolução da doença disponíveis na prática clínica desses tumores. Este estudo teve como objetivo desenvolver um painel de marcadores para predizer a resposta da quimioterapia de indução. Para isso, investigamos o perfil de expressão gênica (22 CCEO) e proteica (20 CCEO) e comparamos os grupos de acordo com a resposta a IC (resposta satisfatória, RS vs insatisfatória, RI). A análise de transcritos revelou 200 genes diferencialmente expressos entre os grupos, sendo 87 com expressão diminuída e 113 com aumento de expressão nos pacientes não respondedores em relação aos respondedores. A partir desses genes desenvolvemos um modelo de predição com cinco marcadores (GPSM2, CPNE2, FOXRED2, BCHE e KLKB1), o qual foi capaz de classificar 100% dos pacientes de acordo com a resposta a IC. Esse algoritimo foi aplicado aos dados de expressão do TCGA e apresentou bom desempenho como marcador de prognóstico independente do tratamento. Os genes com aumento de expressão foram utilizados para identificar proteínas potencialmente secretadas possíveis de serem utilizadas como marcadores detectáveis em biópsia líquida. Esta análise resultou em quatro potenciais marcadores secretados em RI (CR1, KLKB1, FBLN1 e MOB1A) e cinco em RS (PCSK5, RET, PRPH2, CST6 e BCHE). A análise proteômica por espectrometria de massas revelou 183 proteínas diferencialmente expressas entre os grupos, sendo 127 com expressão diminuída e 56 com expressão aumentada nos pacientes RI em relação ao grupo RS. A partir dessas proteínas, desenvolvemos um classificador de predição de IC com quatro marcadores (CDKN2A, HNRNPA0, MYO1B e TXNL1), os quais foram capazes de classificar corretamente todas as amostras de acordo com a resposta ao tratamento. As proteínas com aumento de expressão nos tumores foram investigadas quanto ao potencial de serem secretadas, sendo possível identificar oito potenciais marcadores secretados em RI e 19 em RS. A análise integrada dos transcritos e proteínas diferencialmente expressas revelou apenas uma molécula em comum, o MOB1A. Uma análise in silico das vias biológicas associadas às moléculas entre os grupos em ambas as análises moleculares revelou diversas vias de regulação comuns entre os grupos de proteínas e transcritos. As principais vias canônicas alteradas estão associadas a regulação do ciclo celular, incluindo ciclo celular, transição G1/S e fase S. Este estudo revelou diversos marcadores com potencial para ser aplicado na prática clinica, auxiliando na tomada de decisões terapêuticas de forma mais personalizada. Esses achados embora promissores necessitem ser validados em uma coorte maior de pacientes (AU)
Resistance to chemotherapy is one of the main causes for treatment failure in patients with oropharyngeal squamous cell carcinoma (OSCC). The induction to chemotherapy treatment with taxane, platinum and 5-fluoracil has been widely used. Although most patients shows good response to treatment (RS), a set of cases present unsatisfactory response (RI) and tumor progression may occur. An additional critical issue is the high toxicity rate, especially for patients who will not benefit from the treatment. To date, there are no molecular markers available in the clinical practice capable to predict response and disease progress. This study aimed to develop a panel of markers capable of predicting induction to chemotherapy response. We investigated gene and protein expression profile of 22 and 20 OSCC, respectively, and compared the groups according to the response to IC (satisfactory response vs. unsatisfactory response). Gene expression data analysis from a previous study of our group, revealed 200 differentially expressed genes, 87 downregulated and 113 genes with overexpression in nonresponders compared to responders cases. Using these genes, we developed a prediction model with five markers (GPSM2, CPNE2, FOXRED2, BCHE and KLKB1) able to classify 100% of the patients according to the response to IC. This algorithm was applied to the TCGA expression data and presented good performance as a prognostic marker independent of the treatment. Overexpressed genes were used to identify potentially secreted proteins with potential to be used as detectable markers in liquid biopsy. This analysis revealed four potencial markers in RI (CR1, KLKB1, FBLN1 and MOB1A) and five in RS (PCSK5, RET, PRPH2, CST6 and BCHE). Proteomic analysis using mass spectrometry revealed 183 differentially expressed proteins between the groups, 127 downexpressed and 56 overexpressed in RI patients compared to RS group. Using these proteins, we developed a prediction algorithm using four biomarkers (CDKN2A, HNRNPA0, MYO1B and TXNL1) able to correctly classify all tumors according to the response to treatment. Overexpressed proteins with potential to be secreted were investigated revealing eight potential markers secreted in IR and 19 in RS. The integrative analysis of differentially expressed transcripts and proteins revealed one molecule in common, MOB1A. In silico pathway analysis resulted in common biological pathways in both group of cases. The major altered canonical pathways are associated with cell cycle regulation, being Cell cycle, G1 / S Transition and S Phase. Our study revealed several candidate markers with potential to be applied in the clinical practice, assisting in therapeutic decisions. Although promisor, these findings need to be validated in a larger cohort of patients (AU)