Predicción de células malignas mieloides en la anemia de Fanconi mediante aprendizaje automático

Área de la Ciencia:

• Hematología
• Oncología
• Bioinformática

Sus antecedentes:

• La anemia de Fanconi (FA) es un trastorno genético que conduce a insuficiencia de la médula ósea y un alto riesgo de cáncer, particularmente malignidades mieloides como el síndrome mielodisplásico (SMD) y la leucemia mieloide aguda (LMA).
• La detección temprana de clones mieloides malignos es crucial para pacientes con FA que no son candidatos para trasplante de médula ósea, ya que permite la intervención médica oportuna.
• Los métodos de monitoreo actuales carecen de suficiente sensibilidad para la identificación temprana de células malignas emergentes en pacientes con FA.

Objetivo del estudio:

• Desarrollar y validar un modelo de red neuronal profunda (DNN) para la detección temprana de células similares a leucemia mieloide aguda (LMA) en muestras de médula ósea de pacientes con anemia de Fanconi (FA).
• Identificar marcadores celulares y transcripcionales específicos que indiquen transformación maligna en pacientes con FA.
• Investigar los mecanismos potenciales de evasión inmune en células predichas malignas dentro del microambiente de la médula ósea de FA.

Principales métodos:

• Se entrenó un modelo de red neuronal profunda (DNN) utilizando conjuntos de datos de secuenciación de ARN de célula única (scRNA-seq) disponibles públicamente de pacientes con leucemia mieloide aguda (LMA).
• Se aplicó el modelo DNN entrenado a datos de scRNA-seq de muestras de médula ósea de pacientes con anemia de Fanconi (FA) para predecir la presencia de células similares a LMA.
• Se realizaron análisis de enriquecimiento funcional, incluido el análisis de vías de célula única (SCPA) y la caracterización de la comunicación célula-célula, en las células malignas predichas.

Principales resultados:

• El modelo DNN demostró alta sensibilidad, especificidad y precisión en la detección de perfiles transcripcionales mieloides malignos a resolución de célula única.
• Las células predichas similares a LMA en pacientes con FA mostraron enriquecimiento de las poblaciones de progenitores de linfoides-mieloides (LMPP) y progenitores de granulocitos-monocitos (GMP).
• El análisis reveló perfiles transcripcionales asociados con la transformación maligna e identificó indicios de evasión inmune en estas células.

Conclusiones:

• El modelo DNN desarrollado sirve como una herramienta valiosa para la identificación temprana de malignidades mieloides en pacientes con anemia de Fanconi (FA).
• Los hallazgos resaltan poblaciones de progenitores específicas y vías moleculares involucradas en la leucogénesis en el contexto de la FA.
• Este enfoque facilita estrategias de monitoreo mejoradas para pacientes con FA, mejorando potencialmente los resultados a través de la detección e intervención tempranas.