Un continuo de riesgo determinado por el microambiente refina la subtipificación en meningioma y revela los...

Área de la Ciencia:

• Neurooncología
• Epigenética
• Biología computacional

Sus antecedentes:

• La clasificación actual de tumores en neurooncología se basa en patrones moleculares, principalmente la metilación del ADN, interpretados por algoritmos de aprendizaje automático.
• La comprensión de la interpretación algorítmica es crucial para la aplicación clínica, especialmente para el meningioma, el tumor intracraneal primario más común en adultos.

Objetivo del estudio:

• Investigar el impacto del microambiente tumoral (TME) en la clasificación epigenética y los resultados clínicos en meningioma.
• Desafiar el modelo existente de subgrupos distintos de meningioma y proponer un continuo de riesgo determinado por el TME.
• Desarrollar y validar un enfoque diagnóstico clínicamente aplicable para mejorar la predicción de meningiomas.

Principales métodos:

• Perfil multiómico de muestras de meningioma.
• Evaluación computacional ortogonal en múltiples conjuntos de datos independientes.
• Aplicación de aprendizaje automático para la clasificación epigenética.
• Validación de un enfoque diagnóstico basado en inmunohistoquímica.

Principales resultados:

• Tanto las características de las células tumorales como los cambios en el TME influyen en la clasificación epigenética y los resultados clínicos del meningioma.
• Las células no neoplásicas dentro del TME desempeñan un papel decisivo en el clasificador de metilación del SNC.
• Los hallazgos sugieren un cambio de subgrupos distintos de meningioma a un continuo de riesgo determinado por el TME, refinando las controversias de la subtipificación molecular.
• Se desarrolló y validó un método de diagnóstico simple basado en inmunohistoquímica para mejorar la predicción clínica.

Conclusiones:

• El microambiente tumoral es un factor crítico en la clasificación y pronóstico del meningioma, impactando las firmas epigenéticas.
• La clasificación del meningioma puede representar un continuo de riesgo influenciado por el TME, en lugar de subgrupos discretos.
• Un enfoque accesible basado en inmunohistoquímica puede mejorar la precisión de la predicción clínica para el meningioma, incluso en entornos con recursos limitados.