Un sistema celular epigenético de clasificación para el glioblastoma

Área de la Ciencia:

• Oncología
• Genómica
• Bioinformática

Sus antecedentes:

• El glioblastoma (GBM) exhibe una heterogeneidad celular significativa, lo que afecta la progresión del tumor y los resultados del tratamiento.
• El perfilado de células únicas ofrece información detallada, pero no es factible para estudios a gran escala o uso clínico.
• Los diagnósticos actuales basados en la metilación del ADN carecen de resolución celular.

Objetivo del estudio:

• Desarrollar un método computacional para la deconvolución de perfiles de metilación de ADN a granel en GBM.
• Inferir la composición celular, incluidas las células del microambiente y los estados de diferenciación de células malignas.
• Reconciliar diferentes sistemas de clasificación de GBM y mejorar la precisión del diagnóstico.

Principales métodos:

• Se utilizó un enfoque jerárquico de factorización de matrices no negativas (ITHresolveGBM).
• Se aplicó el método para deconvolucionar datos de metilación de ADN a granel.
• Se integraron datos de células únicas multi-ómicos para la validación.

Principales resultados:

• ITHresolveGBM identificó un bajo contenido de células tumorales como un factor que afecta la clasificación basada en la metilación, vinculando particularmente el subtipo mesenquimal con una alta infiltración inmune.
• La deconvolución epigenética reveló un continuo de diferenciación de células malignas, que se correlaciona con los impulsores moleculares (por ejemplo, PDGFRA, TP53, EGFR) y la supervivencia.
• El continuo inferido se alinea con los sistemas de clasificación existentes de GBM.

Conclusiones:

• El marco ITHresolveGBM reconcilia con éxito los sistemas de clasificación basados en metilación y ARN.
• Proporciona un método para integrar perfiles tumorales a granel con información de biología de células únicas.
• Este enfoque refina la estratificación molecular y mejora el diagnóstico de GBM.