Aprendizado de Máquina Identifica Subconjunto Metabólico de Câncer de Mama Associado ao Prognóstico

O notório grau de heterogeneidade do câncer de mama torna o prognóstico e a seleção do tratamento difíceis, especialmente nos subtipos agressivos, como o câncer de mama triplo-negativo. A reprogramação metabólica — incluindo o uso de corpos cetônicos como fontes alternativas de energia — é cada vez mais reconhecida como um fator impulsionador da heterogeneidade tumoral. A beta-hidroxibutirilação de lisina (Kbhb), uma modificação pós-traducional de proteínas catalisada pelo beta-hidroxibutirato, pode alterar a regulação gênica e as vias de supressão tumoral, mas seu papel específico na formação de subpopulações distintas do câncer de mama ainda não havia sido sistematicamente caracterizado.

Este estudo integrou dados de expressão de RNA do TCGA (n=1.082) e de sete coortes de validação GEO/METABRIC/ICGC totalizando milhares de pacientes, além de sequenciamento de RNA de célula única proveniente de 26 amostras de tumores de mama (GSE176078) e dados públicos de transcriptômica espacial. Três genes reguladores centrais da Kbhb — EP300, HDAC1 e HDAC2 — foram utilizados como âncoras para identificar genes metabólicos correlacionados por meio dos conjuntos de genes KEGG/MsigDB. A pontuação por ssGSEA (single-sample GSEA) dividiu os pacientes em grupos de alta e baixa atividade metabólica, e a análise diferencial identificou uma subpopulação de células neoplásicas SCGB2A2-positivas como a subpopulação com maior responsividade à Kbhb.

Experimentos funcionais em células MDA-MB-231 validaram a relevância biológica do SCGB2A2: a superexpressão reduziu a invasão em ensaios de Transwell, suprimiu marcadores de células-tronco (OCT4, SOX2, c-Myc, KLF4) e diminuiu as frações de células-tronco cancerosas CD44-alto/CD24-baixo por citometria de fluxo. A análise metabólica por Seahorse e o Western blotting associaram ainda o SCGB2A2 a reguladores da oxidação de ácidos graxos (CPT1A, ACOX1) e a genes metabólicos a jusante, confirmando uma conexão mecanística com a reprogramação induzida pela Kbhb. O knockdown do LDHB, outro gene modelo, exerceu efeitos complementares sobre o metabolismo glicolítico.

Para a modelagem prognóstica, a regressão de Cox univariada nas coortes do TCGA e em três coortes GEO identificou seis genes com significância prognóstica consistente (p<0,05 em pelo menos três conjuntos de dados). Um pipeline de aprendizado de máquina que testou 101 combinações de algoritmos — incluindo Random Survival Forest, Elastic Net, LASSO, CoxBoost, GBM e survival-SVM — selecionou o modelo com maior C-index médio por meio de validação cruzada leave-one-out. O Índice de Pontuação Prognóstica (PIS) resultante estratificou os pacientes em grupos de alto e baixo risco com sobrevida global significativamente diferente em todas as coortes de validação, e as análises de ROC dependentes do tempo confirmaram sensibilidade e especificidade robustas. Os pacientes com PIS elevado apresentaram maior carga mutacional tumoral, menor infiltração de células imunes e prevista diminuição da resposta a inibidores de checkpoint imunológico.

O estudo avança a oncologia de precisão ao vincular um eixo epigenético-metabólico específico (Kbhb) a subpopulações tumorais acionáveis e a uma ferramenta prognóstica clinicamente validada. As limitações incluem a dependência de conjuntos de dados públicos retrospectivos, o uso de uma única linhagem celular de câncer de mama triplo-negativo para a validação funcional e a ausência de manipulação direta da Kbhb in vivo ou de medições de corpos cetônicos em nível individual dos pacientes.