Identificação e validação de um modelo de risco genético relacionado ao metabolismo que prediz o prognóstico dos cânceres de pulmão, cólon e mama

Resumo O reprogramação metabólica, vital para as células cancerosas se adaptarem ao microambiente alterado, continua sendo um tema que requer investigação adicional para diferentes tipos de tumor. Nosso estudo visa elucidar a reprogramação metabólica compartilhada entre os cânceres de mama (BRC), colorretal (CRC) e pulmão (LUC). Aproveitando os dados de expressão gênica do Gene Expression Omnibus e várias ferramentas de bioinformática como MSigDB, WebGestalt, String e Cytoscape, identificamos genes relacionados ao metabolismo (MRGs) e suas interações. As características funcionais, incluindo parâmetros de sobrevivência e expressão dos principais MRGs, foram analisadas e validadas através da Análise Interativa de Perfil de Expressão Gênica 2 e qRT-PCR. Além disso, empregamos algoritmos de aprendizado de máquina, como k-vizinhos mais próximos (KNN), regressão de vetores de suporte (SVR) e aumento extremo de gradiente (XGBoost) para avaliar a efetividade dos MRGs na previsão da sobrevivência geral do paciente. Entre os 11.384 DEGs analisados, 540 se sobrepuseram entre BRC, CRC e LUC, com 46 MRGs e 20 MRGs principais/hub envolvidos em todos os tipos de câncer estudados. Destes, 11 MRGs principais foram prognosticamente significativos. A validação de qRT-PCR de MRGs principais em linhagens celulares de câncer específicas confirmou seus perfis de expressão, com alguns apresentando padrões específicos de tipo celular. SVR apresentou precisão notável na previsão da sobrevivência geral, enfatizando sua utilidade clínica. Nossa abordagem integrada combinando análises de bioinformática e validações experimentais destaca o potencial dos MRGs como biomarcadores para terapias metabólicas, com modelos de aprendizado de máquina aprimorando as capacidades preditivas para os resultados dos pacientes.