Estudo destacado no Congresso Asiático da ESMO identificou novo alvo ligado à resposta ao tratamento do câncer cervical avançado. Através de ferramentas de machine learning e transcriptômica integrativa, os pesquisadores mostraram que a endopeptidase metaloproteinase 2 da matriz (MMP2) foi capaz de distinguir respondedoras de não respondedoras da quimiorradioterapia.
O câncer cervical avançado continua a representar importante desafio como consequência da falha terapêutica e da recorrência da doença. Neste estudo indiano, o objetivo foi delinear biomarcadores genéticos ligados à resposta à quimiorradioterapia, particularmente as desregulações basais em respondedores completos (RCs) versus não respondedores (NRs), além de priorizar alvos para explorar vias de reposicionamento de fármacos.
A análise da expressão gênica diferencial foi realizada, compreendendo 12 RCs e 9 NRs. Os genes diferencialmente expressos (DEGs) nos RCs foram filtrados com base em critérios rigorosos e submetidos a um modelo de seleção de características Random Forest (RF) para identificar os 50 principais genes. Paralelamente, a análise da rede de interação proteína-proteína (PPI) revelou genes centrais que se sobrepuseram a genes baseados no modelo de RF via diagrama de Venn para revelar uma assinatura genética biologicamente relevante. Essa assinatura foi consultada no aplicativo L1000FWD para buscar compostos que imitam o perfil de RC. Esses compostos foram expandidos em uma biblioteca de fármacos por meio da busca por similaridade estrutural no DrugBank.
O estudo também incorporou a análise de sobrevida global (SG) usando gráficos de Kaplan-Meier do UALCAN para avaliar o reposicionamento de fármacos com base na biblioteca DrugBank.
Os resultados foram apresentados por Kshreeraja S. Satish, em sessão oral. Inicialmente, 143 DEGs significativos foram identificados, dos quais uma assinatura de 11 genes (nove com expressão positiva: C3, CCL21, FBN1, GGT5, IGHD, LCE3E, MMP2, MZB1, TPSAB1; dois com expressão negativa: CDKN2A, ITGB6) que distinguem CRs de NRs surgiu de análises de aprendizado de máquina e PPI. Nove compostos foram recuperados como medicamentos de referência que poderiam potencialmente induzir o perfil de CR em NRs.
A análise de SG enfatizou a importância da MMP2 como alvo relacionado à resposta ao tratamento.
O ESMO Targeted Anticancer Therapies Asia Congress foi realizado em Hong Kong, China, de 18 a 20 de julho.
Referência:
Satish KS, et al. Integrative transcriptomics and machine learning approach prioritises MMP2 as a treatment response associated target for drug repurposing in cervical cancer. ESMO Targeted Anticancer Therapies Asia Congress 2025, Abstract 94O
Oral Abstract Session 2, 19.07.2025, h. 15:45 – 17:25, Grand Ballroom 1
