Integración de datos multiómicos y aprendizaje automático para identificar productos químicos disruptores endocrinos...

Área de la Ciencia:

• Oncología
• Salud Ambiental
• Genómica

Sus antecedentes:

• El carcinoma de células claras del riñón (ccRCC) es un cáncer agresivo con factores de riesgo genéticos y ambientales poco comprendidos.
• Los roles específicos de los productos químicos disruptores endocrinos (EDC) en el desarrollo y la progresión del ccRCC no están bien definidos.

Objetivo del estudio:

• Identificar EDC y sus genes asociados involucrados en la patogénesis del ccRCC utilizando multiómica y aprendizaje automático.
• Elucidar los mecanismos por los cuales los EDC influyen en el ccRCC a través de la expresión génica y las interacciones del microambiente tumoral.

Principales métodos:

• Integración de conjuntos de datos multiómicos, incluida la secuenciación de ARN a granel y de célula única.
• Aplicación y evaluación de 101 algoritmos de aprendizaje automático para construir un modelo pronóstico para el ccRCC.
• Análisis de enriquecimiento de vías, infiltración inmune y comunicación célula a célula.

Principales resultados:

• Identificación de 8 EDC potenciales (p. ej., Dietilnitrosamina, Arsénico, Plomo) implicados en el ccRCC.
• Descubrimiento de 5 genes pronósticos (BIRC5, CCND1, RRM2, CDH1, TRIB3) asociados con la exposición a EDC.
• Caracterización de las interacciones gen-ambiente dentro del microambiente tumoral y distintos patrones de señalización celular.

Conclusiones:

• Esta investigación destaca EDC y genes específicos como actores críticos en la patogénesis del ccRCC.
• Los hallazgos ofrecen nuevas perspectivas sobre la biología tumoral impulsada por EDC y la progresión del ccRCC.
• Este estudio sienta las bases para el desarrollo de terapias dirigidas y estrategias preventivas para el ccRCC.