Un nuevo mapa proteogenómico decodifica cómo las mutaciones impulsan el cáncer en 173 genes clave

La secuenciación de tumores ha catalogado cientos de genes del cáncer mutados, pero saber que un gen está mutado rara vez explica cómo ese cambio impulsa el cáncer ni si debería modificar el tratamiento de un paciente. Hyeon y sus colegas se preguntaron si el lugar donde cae una mutación dentro de una proteína (qué dominio, qué elemento estructural) revela su función. Con datos de 139.818 pacientes de más de 18 tipos de tumor, construyeron un mapa funcional detallado de 173 genes del cáncer.

El equipo desarrolló un modelo oculto de Markov que identifica "regiones significativamente mutadas" con resolución de una sola base, sin conocimiento previo de su ubicación. El modelo se ajusta a las tasas de mutación de fondo, incluido el contexto nucleotídico. Después superpusieron estas regiones sobre dominios proteicos y estructuras tridimensionales, incluidas la estructura secundaria, la posición en el núcleo frente a la superficie, los efectos sobre la estabilidad (ΔΔG) y la geometría de los grupos de mutaciones. Las regiones estaban enriquecidas en residuos con anotación funcional (p = 2,35 × 10−4 para las mutaciones de sentido erróneo; p = 3,88 × 10−2 para las mutaciones truncantes).

Los patrones de mutación seguían la función de la proteína. Los factores de transcripción específicos de linaje presentaban mutaciones en los dominios de unión al DNA (RUNX1, p = 1,37 × 10−95; SOX9, 4,07 × 10−65). Los factores activados por estrés (STAT3, NFE2L2) estaban mutados en dominios reguladores, y los receptores nucleares (AR, ESR1) en dominios de unión a ligandos. Los modificadores de la cromatina resultaron afectados en los dominios catalíticos (EP300, p = 1,48 × 10−135), y los genes del sistema ubiquitina-proteasoma en los dominios de reconocimiento de sustrato (SPOP, FBXW7). TP53 fue una excepción, con afectación tanto del dominio de unión al DNA como del de tetramerización. La mayoría de las regiones (72,5 %, 348/480) no diferían según el tipo de cáncer, aunque las mutaciones de EGFR afectaban al dominio quinasa en el adenocarcinoma de pulmón, pero al dominio extracelular en el glioblastoma.

Las mutaciones truncantes y la estructura 3D aportaron capas adicionales. En los supresores tumorales, las truncaciones estaban ausentes de las regiones N- y C-terminales que, según las predicciones, escapan a la degradación del mRNA mediada por mutaciones sin sentido. En oncogenes como CCND1–3, PPM1D, ERBB2 y NOTCH2, las truncaciones se agrupaban en el extremo C-terminal, probablemente eliminando señales de degradación. En 3D, las 10 regiones de FBXW7 eran sitios de interacción con el sustrato. En otros genes, las mutaciones obedecían en cambio a restricciones estructurales: las mutaciones de TP53 se concentraban en el núcleo interior de la proteína, mientras que las de PTEN afectaban a una estructura secundaria específica. Las características estructurales distinguían los oncogenes de los supresores tumorales (AUC = 0,856).

La validación fue extensa. Las variantes oncogénicas curadas en la literatura estaban enriquecidas en las regiones significativas (AUC de 0,82 para COSMIC y 0,85 para ClinVar). El 10 % superior de los residuos contenía el 62,4 %, el 57,7 % y el 70,9 % de las variantes de COSMIC, CIViC y ClinVar, respectivamente. Los cribados de mutagénesis confirmaron regiones en POT1, PPM1D y un sitio de KRAS que no es un punto caliente. Las mutaciones en regiones significativas mostraron cambios de expresión más marcados (p = 3,18 × 10−7), una cronología clonal más temprana (p = 3,53 × 10−21) y una supervivencia distinta (p = 3,18 × 10−3). También se vincularon con fenotipos de resistencia, como TP53 y doxorrubicina en el cáncer de mama.

Este marco podría ayudar a priorizar variantes con anotación escasa en los flujos de trabajo clínicos, y hay un recurso interactivo disponible en oncofold.org. Entre las limitaciones figuran el diseño retrospectivo y correlacional, una señal modesta de respuesta al tratamiento (p = 5,90 × 10−2), la dependencia de estructuras proteicas predichas y la necesidad de validación clínica prospectiva.