El cáncer colorrectal (CCR) es uno de los cánceres de mayor mortalidad en los países desarrollados, se espera que su cifra aumente debido al envejecimiento de la población y los cambios del estilo de vida, provocando un gran impacto económico en los sistemas de salud. Se requiere mejoras en el diagnóstico de la enfermedad y pronósticos más precisos de la evolución del paciente.
Tradicionalmente el análisis del cáncer se realiza a partir de muestras de tejido extraídas del tumor, un procedimiento altamente costoso e invasivo conocido como biopsia. En este contexto, y como alternativa a las biopsias de tejido, surgió el concepto de biopsia líquida. La biopsia líquida es un enfoque novedoso para la caracterización tumoral que nos ofrece diferentes ventajas como la toma de muestra no invasiva y la captación de la heterogeneidad tumoral.
Hasta la fecha, la mayoría de los estudios en biopsia líquida se han centrado en la secuenciación de genes clínicamente relevantes en cáncer a partir de paneles. El trabajo actual proporciona una evaluación clínica de la secuenciación del exoma completo (WES) en el ADN libre circulante (cfDNA) presente en plasma, con el objetivo de identificar perfiles clínicos diferenciales en pacientes con cáncer colorrectal (CCR) localizado y metastásico. Para ello, aplicamos el concepto de “presencia diferencial de exones” (DPE) y un nuevo concepto llamado “presencia diferencial de genes” (DPG). Determinamos las diferencias en los niveles de 1.760 exones y 1.730 genes a partir del cfDNA en plasma y utilizamos análisis de DPE y DPG para agrupar y clasificar a los pacientes con enfermedad diseminada y localizada. A su vez, hemos identificado perfiles clínicos distintivos entre pacientes con CCR y controles sanos. Identificamos un conjunto de 510 exones cuya presencia diferencial en plasma nos permitió agrupar y clasificar entre las tres cohortes.
El análisis bioinformático resultante nos permitió diseñar un algoritmo predictivo, pronóstico y diagnóstico de DPE. Se realizó una clasificación random forest (aprendizaje automático) y se obtuvo una tasa de error estimada fuera de bolsa (OOB) del 28,85 % y el modelo predictivo tuvo una precisión del 70 % con un intervalo de confianza (IC) de 53,9–82,8. Estos resultados nos sugieren que los ácidos nucleicos podrían desempeñar un papel en el proceso de transformación maligna, identificando una firma que podría estar asociada a la aparición de cáncer. El estudio de DPE se muestra como una nueva técnica para el estudio del cfDNA en plasma por WES en pacientes con CCR.
Colorectal cancer (CRC) is one of the most lethal cancers in developed countries and is expected to increase due to population ageing and lifestyle changes, causing a major economic impact on healthcare systems. Improvements in disease diagnosis and more accurate prognoses of patient outcome are required.
Traditionally, cancer analysis is performed based on tissue samples taken from the tumor, a highly costly and invasive procedure known as biopsy. In this context, and as an alternative to tissue biopsies, the concept of liquid biopsy emerged. A novel approach to tumor characterization that offers advantages such as non-invasive sampling and the capture of tumor heterogeneity.
To date, most liquid biopsy studies have focused on sequencing clinically relevant cancer genes from panels. The current work provides a clinical evaluation of whole exome sequencing (WES) in circulating free DNA (cfDNA) present in plasma, with the aim of identifying differential clinical profiles in patients with localized and metastatic colorectal cancer (CRC). For this purpose, we applied the concept of "differential presence of exons" (DPE) and a new concept called "differential presence of genes" DPG. We determined differences in the levels of 1.760 exons and 1.730 genes from plasma cfDNA and used DPE and DPG analyses to group and classify patients with disseminated and localized disease. In turn, we identified distinctive clinical profiles between CRC patients and healthy controls. We identified a set of 510 exons whose differential presence in plasma allowed us to group and classify between the three cohorts.
The resulting bioinformatics analysis allowed us to design a predictive, prognostic and diagnostic algorithm for DPE. Random forest classification (machine learning) was performed and an estimated out-of-bag (OOB) error rate of 28,85% was obtained and the predictive model had an accuracy of 70% with a confidence interval (CI) of 53,9–82,8. These results suggest that nucleic acids could play a role in the process of malignant transformation and in identifying a signature that could be associated with the occurrence of cancer. The DPE study is shown as a new technique for the study of plasma cfDNA by WES in CRC patients
© 2001-2024 Fundación Dialnet · Todos los derechos reservados