Identificación de marcadores genéticos predictores de respuesta al tratamiento endocrino en pacientes con cáncer de mama luminal A

Abstract

El cáncer de mama es la enfermedad oncológica más frecuente a nivel mundial en población femenina. Existen diferentes subtipos en función de los receptores presentes en el tejido tumoral. El luminal A es el de mejor pronóstico y menor riesgo de recaídas. Su tratamiento principalmente es endocrino. Este trabajo se centra en estos pacientes: Cáncer de mama luminal A en tratamiento endocrino sin quimioterapia. El objetivo es buscar marcadores génicos que predigan una mejor respuesta al tratamiento. Para ello, se valora la supervivencia por causa específica en función del nivel de expresión génica. La búsqueda de genes se realiza primero mediante un procedimiento dirigido de análisis univariante, donde solo se estudia la influencia de un gen, y multivariante, estudiando combinaciones de genes. Posteriormente, se desarrolla una predicción de variables significativas en el modelo, mediante regresión Lasso, para obtener la combinación de genes que aporte la mayor distancia entre las curvas de supervivencia. Finalmente, el análisis funcional de los resultados identifica vías metabólicas significativas. Las conclusiones obtenidas muestran que sí existen genes relacionados con una mejora en la supervivencia en estos pacientes en función de su nivel de expresión: alta expresión de SCP2, MYO6, PDLIM, U2SURP y baja expresión de MRPL23, CAD, FBP1 y RBP2. Por otro lado, la combinación de MRPL23 y MTA3 con bajo nivel de expresión aporta un 99.3% de tasa de supervivencia. En el análisis funcional, la vía del metabolismo de fructosa y manosa ha sido significativa para el conjunto de genes predictores estudiado.

El càncer de mama és la malaltia oncològica més freqüent a nivell mundial en població femenina. Existeixen diferents subtipus en funció dels receptors presents en el teixit tumoral. El luminal A és el de millor pronòstic i menor risc de recaigudes. El seu tractament principalment és endocrí. Aquest treball se centra en aquests pacients: Càncer de mama luminal A en tractament endocrí sense quimioteràpia. L'objectiu és buscar marcadors gènics que prediguin una millor resposta al tractament. Per a això, es valora la supervivència per causa específica en funció del nivell d'expressió gènica. La cerca de gens es realitza primer mitjançant un procediment dirigit d'anàlisi univariant, on només s'estudia la influència d'un gen, i multivariant, estudiant combinacions de gens. Posteriorment, es desenvolupa una predicció de variables significatives en el model, mitjançant regressió Lasso, per a obtenir la combinació de gens que aporti la major distància entre les corbes de supervivència. Finalment, l'anàlisi funcional dels resultats identifica vies metabòliques significatives. Les conclusions obtingudes mostren que sí que existeixen gens relacionats amb una millora en la supervivència en aquests pacients en funció del seu nivell d'expressió: alta expressió de SCP2, MYO6, PDLIM, U2SURP i baixa expressió de MRPL23, CAD, FBP1 i RBP2. D'altra banda, la combinació de MRPL23 i MTA3 amb baix nivell d'expressió aporta un 99.3% de taxa de supervivència. En l'anàlisi funcional, la via del metabolisme de fructosa i manosa ha estat significativa per al conjunt de gens predictors estudiat.

Breast cancer is the most frequent oncological disease worldwide in the female population. There are different subtypes depending on the receptors present in the tumor tissue. Luminal A has the best prognosis and the lowest risk of relapse. Its treatment is mainly endocrine. This work focuses on these patients: Luminal A breast cancer in endocrine treatment without chemotherapy. The objective is to search for gene markers that predict a better response to treatment. For this purpose, cause-specific survival is assessed according to the level of gene expression. The gene search is first performed by a targeted univariate analysis procedure, where only the influence of a single gene is studied, and multivariate, studying combinations of genes. Subsequently, a prediction of significant variables in the model is developed, by means of Lasso regression, to obtain the combination of genes that provides the greatest distance between the survival curves. Finally, functional analysis of the results identifies significant metabolic pathways. The conclusions obtained show that there are genes related to improved survival in these patients depending on their level of expression: high expression of SCP2, MYO6, PDLIM, U2SURP and low expression of MRPL23, CAD, FBP1 and RBP2. On the other hand, the combination of MRPL23 and MTA3 with low expression level contributes 99.3% survival rate. In the functional analysis, the fructose and mannose metabolism pathway was significant for the set of predictor genes studied.