Melanoma: identificati biomarcatori chiave

Lo studio della patogenesi del melanoma, ha individuato tramite l’identificazione di biomarcatori chiave, una rapida analisi del profilo di espressione genica del melanoma

0
943

Nonostante il melanoma maligno non sia quello più comune nella popolazione mondiale, rappresentando solo il ∼1% di tutti i tumori maligni, ha il tasso di crescita più veloce tra tutte le neoplasie nocive, con una percentuale variabile tra il 3%-7% l’anno.

Purtroppo, si tratta di una malattia infida, che il più delle volte può essere letale. I principali metodi di trattamento del melanoma maligno, sono stati fino ad oggi la chemioterapia, la radioterapia e la chirurgia.

Tuttavia, questo tipo di tumore ha poca sensibilità alla chemioterapia adiuvante, e questo comporta un alto tasso di mortalità nella prognosi clinica. Ciononostante, negli ultimi anni si è scoperto che il melanoma maligno è un tipo di cancro con alta immunogenicità, cioè la proprietà di alcune sostanze di stimolare l’attività del sistema immunitario.

Molte strategie di ricerca, come l’immunoterapia cellulare e le terapie con citochine e anticorpi monoclonali, sono state applicate nel trattamento del melanoma maligno. Lo studio della patogenesi del melanoma, con la costante scoperta di nuovi bersagli, è ancora un tema di ricerca caldo in medicina.

Lo sviluppo di chip genici ad alta produttività e della tecnologia di sequenziamento, ha permesso una rapida analisi del profilo di espressione genica del melanoma, rivelando i livelli di espressione dei geni legati al tumore e i cambiamenti nei geni chiave.

Screening e identificazione di biomarcatori chiave nel melanoma

Con l’aiuto della ricerca sui chip genici, la bioinformatica permette di chiarire informazioni preziose da dati complessi, attraverso l’allineamento delle sequenze, e ancora l’analisi statistica, la mappatura delle visualizzazioni, il Clustering biologico e le analisi delle reti biomolecolari e dei percorsi.



Inoltre, il data mining bioinformatico fornisce un mezzo per studiare le malattie in modo completo e sistematico.

Lo studio, pubblicato sul Journal of Computational Biology afferma:

“Utilizzando i database ONCOMINE e Gene Expression Omnibus (GEO), Ci et al. (2019) hanno verificato che l’espressione di mRNA e CDCA8 nei tessuti di cancro alla cute sono potenziali bersagli terapeutici. Nello studio di Wei (2018) tre set di dati di espressione genica sono stati scaricati dai database GEO e The Cancer Genome Atlas (TCGA), e 110 geni caratteristici sono stati trovati attraverso la meta-analisi per essere significativamente sovra espressi nel melanoma metastatico”.

Wei et al. (2019) hanno selezionato i profili GSE3189 e GSE31879 e hanno suggerito che MFSD12 e SLC45A2 hanno influenzato la sopravvivenza globale (OS) e la sopravvivenza libera da malattia (DFS) dei pazienti con melanoma.

Attualmente, ci sono >30.000 set di dati microarray per il melanoma cutaneo umano nel database GEO, anche se ci sono pochi articoli sull’utilizzo di chip genici da GEO per lo screening dei biomarcatori che influenzano la prognosi del tumore. Attraverso la tecnologia della biologia computazionale, rianalizzare e integrare i dati disponibili in questi database pubblici può fornire nuovi indizi per la comprensione del cancro.

***

I profili di espressione dei set di dati GSE130244, GSE31879 e GSE83583 sono stati scaricati dal database GEO e rianalizzati, includendo 110 campioni di melanoma e 16 di tessuto cutaneo normale.

I geni espressi in modo differenziale (DEG) sono stati vagliati tra il melanoma e i tessuti normali. I diagrammi di Venn sono stati utilizzati per rivelare i geni differenzialmente espressi in tutti e tre i set di dati, e i possibili geni hub che influenzano lo sviluppo del melanoma sono stati identificati attraverso una rete PPI (interazione proteina-proteina).

Le analisi di arricchimento dei percorsi di Gene Ontology (GO) e Kyoto Encyclopedia of Genes and Genomes (KEGG) sono state eseguite per identificare i percorsi che potrebbero influenzare la comparsa di questo cancro, e Gene Expression Profiling Interactive Analysis (GEPIA) è stato applicato per rilevare i livelli di espressione di questi geni hub e analizzare le loro interazioni.

L’espressione proteica dei geni hub nel tessuto del melanoma è stata valutata tramite immunoistochimica, e l’analisi della sopravvivenza è stata eseguita per determinare i geni hub che influenzano la OS e la DFS del melanoma. Questo studio costituisce un’esplorazione preliminare attraverso strumenti bioinformatici per lo screening dei geni funzionali rilevanti nel tentativo di ottenere maggiori informazioni biologiche sui meccanismi molecolari coinvolti nello sviluppo del tumore (Chiriboga et al., 2016>> .

***

In sintesi, questo studio ha estratto i dati del chip genico del melanoma e ha selezionato CCNA2 e TRIM32 tra cinque geni hub (cioè geni che concentrano su di loro un numero di interazioni cinque volte superiore a quello dei geni non essenziali) attraverso metodi bioinformatici.

A nostra conoscenza – si legge nello studio – c’è una mancanza di ricerca su CCNA2 e TRIM32 nel melanoma. Sono state osservate differenze significative nell’espressione di questi due geni nel melanoma, così come le correlazioni con la prognosi dei pazienti, che possono fornire una nuova direzione per comprendere ulteriormente la comparsa, lo sviluppo e le metastasi del cancro”.

Questi risultati dovrebbero fornire potenziali obiettivi e biomarcatori per il rilevamento e il trattamento clinico. Tuttavia, la mancanza di ulteriori esperimenti di biologia molecolare per confermare la funzione di TRIM32 nel melanoma limita tali analisi. Tuttavia, i risultati di questo studio contribuiscono a una comprensione completa dei meccanismi molecolari sottostanti del melanoma e forniscono una guida per i successivi studi sperimentali.

2