Detecção sensível da resposta sintética à imunoterapia contra o câncer impulsionada por pares de genes parálagos

Imunoterapias emergentes, como a inibição de pontos de checagem imunológicos (ICB) e a terapia com células T de receptor de antígeno quimérico (CAR-T), revolucionaram o tratamento do câncer e melhoraram a sobrevida de pacientes com múltiplos tipos de câncer. Apesar desse sucesso, muitos pacientes não respondem a esses tratamentos ou apresentam recaídas após o tratamento. Telas de ativação CRISPR e knockout (KO) têm sido utilizadas para identificar novos alvos genéticos que podem aumentar a função das células T efetoras e promover a mira e erradicação das células tumorais. No entanto, as células cancerígenas frequentemente empregam múltiplos genes para promover uma via imunossupressora e, assim, a modulação de genes individuais geralmente tem um efeito limitado. Parálagos são genes que se originam de ancestrais comuns e mantêm funções semelhantes. Eles frequentemente têm efeitos complexos sobre um determinado fenótipo, dependendo de fatores como similaridade de família de genes, expressão de cada gene individual e o contexto fisiológico ou patológico. Alguns parálagos exibem interações letais sintéticas na sobrevivência das células cancerígenas; no entanto, uma investigação minuciosa de pares de parálagos que poderiam aumentar a eficácia da imunoterapia contra o câncer está faltando. Aqui, introduzimos uma abordagem computacional sensível que utiliza análise de enriquecimento de conjuntos de sgRNA para identificar pares de parálagos intrínsecos ao câncer que têm o potencial de aumentar sinergicamente a destruição tumoral mediada por células T. Além disso, desenvolvemos um modelo de aprendizado em conjunto que usa um classificador XGBoost e incorpora características como características do gene, similaridades de sequência e estrutura, redes de interação proteína-proteína (PPI) e dados de coevolução de genes para prever pares de parálagos que provavelmente aumentarão a eficácia da imunoterapia. Validamos experimentalmente o significado funcional desses pares de parálagos preditos usando knockout duplo (DKO) dos pares de genes parálagos identificados em comparação com knockouts de genes individuais (SKOs). Esses dados e análises, em conjunto, fornecem uma abordagem sensível para identificar pares de parálagos previamente não detectados que podem aumentar a imunoterapia contra o câncer, mesmo quando genes individuais dentro do par apresentam um efeito limitado.