Machine learning-based approaches for therapeutic target identification in cancer

Palestrante do XIX Simpósio de Oncobiologia: Tathiane Maistro Malta

Filiação: USP, Ribeirão Preto

Por Dra. Bárbara Du Rocher (FIOCRUZ, Oncobio Experts e Populariza a Ciência do Câncer)

Dando continuação às plenárias, a Dra. Profa. Tathiane Maistro Malta, da USP-RP, falou sobre o uso de tecnologias baseadas em machine learning para a identificação de alvos terapêuticos em oncologia a partir de banco de dados gerados por técnicas ômicas como transcriptoma e proteoma. Neste sentido, o foco do grupo de pesquisa liderado por ela está no uso de machine learning para: 1. Identificação do grau de agressividade de tumores, 2. Identificação de proteínas associadas ao perfil de agressividade e 3. Identificação dos subtipos celulares que expressam essas proteínas dentro do microambiente tumoral.

Para tanto, o laboratório se utiliza de um workflow em machine learning que, ao alimentar e treinar máquinas com dados gerados por técnicas ômicas, visa o desenvolvimento/aprimoramento de algoritmos capazes de reconhecer padrões de agressividade de diversos tipos de tumores. Neste caso, o foco do grupo é a criação de um modelo de predição de “stemness” (index de stemness”), que vai de 0 a 1, onde 1 representa o maior índice de agressividade do tumor. Assim, a ideia é buscar uma assinatura molecular capaz de indicar o grau de diferenciação de um tumor como ocorre, por exemplo, no score de Gleason para câncer de próstata.

Neste sentido, como prova de conceito, o grupo utilizou inicialmente dados de transcriptômica e epigenômica para o treinamento de máquinas e viu que ambos formam capazes de separar corretamente amostras tumorais de amostras de tecidos adjacentes ao tumor em 33 tipos diferentes de tumores.

No entanto, o modelo de predição não foi eficiente em identificar câncer de pâncreas e, portanto, não se mostrou universal. Na sequência, o grupo da Dra. Tathiane aplicou o mesmo processo utilizando dados gerados por proteômica, tendo obtido resultados ainda melhores que os do transcriptoma mas, ainda assim, incapazes de separar corretamente amostras de câncer de pâncreas de tecido adjacente. Estes resultados mostram, portanto, que o modelo de predição funciona, exceto para câncer de próstata. 

Na busca por proteínas que pudessem predizer o nível de agressividade dos tumores, o grupo identificou 24 proteínas diferencialmente expressas em adenoma de células renais associadas ao fenótipo de agressividade. Destas, cinco proteínas foram validadas numa coorte de pacientes e se mostraram úteis na identificação de pacientes com maior e menor probabilidade de recaída pós remoção cirúrgica. O grupo ainda observou que modificações pós traducionais como acetilação de H2B1M e de nucleolin estão potencialmente associadas com agressividade e são compartilhadas por diferentes tipos tumorais. Outra análise interessante foi a identificação de proteínas com atividade kinase aumentada ou diminuída em amostras com alto índice de “stemness”. A partir destas proteínas foi possível predizer quais drogas farmacológicas, já em uso, podem ter um potencial terapêutico para tumores com alto índice de “stemness”.

Por fim, na busca pela identificação de tipos celulares que expressam proteínas relacionadas ao fenótipo de agressividade no microambiente tumoral, o grupo da Dra. Tathiane tem analisado o microambiente tumoral utilizando spatial transcriptomic. Esta linha do grupo está começando e suas principais perguntas são: 

1. Será possível identificar as células tronco tumorais?

2. Quais células interagem com as células tronco tumorais? e

3. Será possível identificar alvos específicos para células tronco tumorais?

A mensagem que fica é: O uso de dados ômicos associados a machine learning tem um potencial enorme para a identificação de biomarcadores de valor diagnóstico, prognóstico e/ou resposta à tratamento, além de ser uma ferramenta útil na predição de drogas e/ou alvos terapêuticos. Assim, essas abordagens integradas representam um enorme avanço na pesquisa da biologia do câncer e, de fato, já tem impactado no cuidado do paciente!