Modelo pronóstico interpretable de glioblastoma mediante integración transcriptómica intercohortes y enfoques de...

Área de la Ciencia:

• Genómica y Bioinformática
• Oncología
• Biología Computacional

Sus antecedentes:

• El glioblastoma (GBM) es un tumor cerebral muy agresivo con mal pronóstico y heterogeneidad molecular significativa.
• Los modelos pronósticos actuales para el GBM a menudo carecen de interpretabilidad, lo que limita su utilidad clínica.
• Existe una necesidad crítica de herramientas precisas e interpretables para estratificar a los pacientes con GBM para un tratamiento personalizado.

Objetivo del estudio:

• Desarrollar un modelo pronóstico interpretable para el glioblastoma utilizando datos transcriptómicos e inmunogenómicos integrados.
• Aprovechar el aprendizaje automático automatizado (AutoML) para optimizar la predicción de la supervivencia en GBM.
• Validar el rendimiento del modelo y la utilidad clínica en la estratificación de pacientes y la guía de las decisiones terapéuticas.

Principales métodos:

• Se integraron datos transcriptómicos intercohortes y multiplataforma (TCGA RNA-seq, microarrays GEO) con características inmunogenómicas inferidas.
• Se empleó un pipeline de aprendizaje automático automatizado (AutoML) para identificar un modelo óptimo de predicción de la supervivencia.
• Se utilizó el análisis SHAP (SHapley Additive exPlanations) para la interpretabilidad del modelo y se validaron genes clave mediante qRT-PCR y Western blot.

Principales resultados:

• Se desarrolló una firma pronóstica robusta de 22 genes con un índice de concordancia de aproximadamente 0.72, validada en cohortes independientes.
• El modelo estratificó eficazmente a los pacientes con GBM en grupos de alto y bajo riesgo con diferencias significativas en la supervivencia.
• Los tumores de alto riesgo exhibieron un microambiente inmunoevasivo, mientras que los tumores de bajo riesgo mostraron un perfil inmunitario más favorable y predijeron sensibilidad a la quimioterapia.

Conclusiones:

• La firma interpretable de 22 genes sirve como una herramienta valiosa para la estratificación del riesgo de glioblastoma.
• El modelo identifica biomarcadores pronósticos novedosos y promete guiar la toma de decisiones terapéuticas en GBM.
• Este enfoque facilita las estrategias de tratamiento personalizadas y la traslación clínica para pacientes con glioblastoma.