El aprendizaje automático identifica las características del tronco asociadas con la dediferenciación oncogénica

Área de la Ciencia:

• En el campo de la oncología
• La genómica
• La bioinformática

Sus antecedentes:

• La progresión del cáncer se caracteriza por la desdiferenciación y la adquisición de rasgos similares a las células madre.
• La evaluación del grado de desdiferenciación oncogénica es crucial para comprender la progresión del cáncer.

Objetivo del estudio:

• Desarrollar nuevos índices de estímulo para cuantificar la desdiferenciación oncogénica.
• Identificar nuevos mecanismos biológicos y objetivos terapéuticos asociados con el cáncer.

Principales métodos:

• Utilizó un algoritmo de aprendizaje automático de regresión logística de una clase (OCLR).
• Características transcriptómicas y epigenéticas extraídas de células madre y células diferenciadas.
• Indices aplicados de estímulo para analizar el microambiente tumoral, los tumores metastásicos y los datos de una sola célula.

Principales resultados:

• Se han identificado nuevos mecanismos biológicos subyacentes al estado oncogénico desdiferenciado.
• Encontró correlaciones entre el tronco del cáncer, la expresión del punto de control inmunológico y la infiltración de células inmunes.
• Se observó que el fenotipo desdiferenciado es más prominente en los tumores metastásicos.
• Se reveló la heterogeneidad molecular intra-tumoral utilizando el análisis de datos de una sola célula.

Conclusiones:

• Los nuevos índices de estabilidad proporcionan una medida cuantitativa de la desdiferenciación oncogénica.
• El estímulo del cáncer está relacionado con el microambiente inmune del tumor y el potencial metastásico.
• Los índices desarrollados pueden identificar nuevas estrategias terapéuticas dirigidas a la diferenciación tumoral.