Cancer ResearchArtigo CientíficoAcesso Aberto

A Poluição do Ar Causa Câncer de Fígado por Meio da Perturbação do Sistema Imunológico

Novo estudo identifica assinatura de 7 genes que liga poluentes atmosféricos ao prognóstico do carcinoma hepatocelular por meio de disfunção imunológica.

quinta-feira, 16 de abril de 2026 3 visualizações
Publicado em Front Immunol
a microscopic view of liver tissue cells with visible immune cells (macrophages) infiltrating between hepatocytes, shown in a clinical pathology lab setting with a researcher examining slides under a high-powered microscope

Resumo

Pesquisadores analisaram dados de 607 pacientes com câncer de fígado para compreender como a poluição do ar afeta os desfechos do câncer por meio de alterações no sistema imunológico. Utilizando aprendizado de máquina em dados genéticos, eles identificaram 19 genes imunológicos relacionados a poluentes do ar e criaram uma assinatura de 7 genes capaz de prever a sobrevida dos pacientes. O estudo constatou que poluentes do ar como PM2.5 e dióxido de nitrogênio podem promover o câncer de fígado ao perturbar as respostas imunológicas, afetando particularmente os macrófagos. Um gene, CDC25C, emergiu como um alvo-chave que conecta a poluição do ar a múltiplos tipos de câncer.

Resumo Detalhado

O papel da poluição do ar no desenvolvimento do câncer vai além das doenças pulmonares, e novas pesquisas revelam como os poluentes impulsionam o câncer de fígado por meio da disrupção do sistema imunológico. Este estudo abrangente analisou dados genéticos de 607 pacientes com carcinoma hepatocelular (HCC) em múltiplos bancos de dados para compreender os mecanismos moleculares que ligam a exposição à poluição do ar aos desfechos oncológicos.

Os pesquisadores utilizaram toxicologia de redes e aprendizado de máquina para identificar 19 genes imunológicos relacionados a poluentes do ar (APIGs) a partir de mais de 16.000 genes relacionados ao sistema imunológico. Foram testadas 101 combinações diferentes de aprendizado de máquina para criar uma assinatura prognóstica ideal de 7 genes (APIGPS), incluindo CDC25C, MELK, ATG4B, SLC2A1, CDC25B, APEX1 e GLS. Essa assinatura estratificou com êxito os pacientes em grupos de alto e baixo risco, com desfechos de sobrevida significativamente distintos.

A análise revelou que poluentes do ar — incluindo PM2.5, dióxido de nitrogênio, dióxido de enxofre e ozônio — interagem com genes imunológicos específicos para criar um ambiente pró-tumoral. Pacientes de alto risco apresentaram maior infiltração de macrófagos e respostas imunológicas alteradas. A análise de célula única confirmou que esses genes são expressos predominantemente em macrófagos, sugerindo que a poluição do ar pode reprogramar essas células imunológicas para promover a progressão do câncer.

Estudos de encaixe molecular demonstraram ligação estável entre os 7 poluentes do ar e os genes identificados, fornecendo evidências mecanísticas de interações moleculares diretas. O gene CDC25C emergiu como alvo central, apresentando associações com a sobrevida em 10 tipos diferentes de câncer e correlacionando-se com a carga mutacional tumoral em 21 cânceres. Isso sugere que os efeitos promotores de câncer da poluição do ar podem se estender muito além do câncer de fígado, por meio de vias imunológicas comuns.

Principais Descobertas

  • Identified 19 air pollutant-related immune genes from analysis of 607 liver cancer patients across multiple databases
  • Created 7-gene signature (CDC25C, MELK, ATG4B, SLC2A1, CDC25B, APEX1, GLS) that accurately predicts patient survival outcomes
  • High-risk patients showed significantly increased macrophage infiltration and altered immune microenvironment
  • Molecular docking confirmed stable binding between 7 air pollutants (PM2.5, NO2, SO2, O3) and identified genes
  • CDC25C gene associated with survival in 10 cancer types and tumor mutation burden in 21 cancers
  • Air pollution exposure linked to pro-tumor immune environment with enhanced inflammatory cytokine secretion
  • Single-cell analysis revealed target genes primarily expressed in macrophages, suggesting immune cell reprogramming

Metodologia

Análise multi-ômica de 607 pacientes com CHC dos bancos de dados TCGA, GEO e ICGC, utilizando análise de rede de co-expressão gênica ponderada (WGCNA), análise de expressão diferencial e avaliação de infiltração imune. Foram aplicadas 101 combinações de 10 algoritmos de aprendizado de máquina com validação cruzada de 10 dobras para construir a assinatura prognóstica ideal. Os resultados foram validados por meio de qRT-PCR, sequenciamento de RNA de célula única, ancoragem molecular e análise pan-câncer em múltiplos conjuntos de dados.

Limitações do Estudo

O estudo baseia-se em análise computacional de conjuntos de dados existentes, sem mensuração direta dos níveis de exposição individual à poluição do ar. A assinatura prognóstica requer validação em ensaios clínicos prospectivos antes de ser implementada. Os autores observam que os insights mecanísticos são baseados principalmente em análise de bioinformática e previsões de encaixe molecular, e não em validação experimental em modelos laboratoriais.

Gostou deste resumo?

Receba as pesquisas de longevidade mais recentes na sua caixa de entrada toda semana.

Digite seu e-mail para assinar: