Identificação de lncRNAs como reguladores de redes transcricionais no câncer de mama

Abstract

Resumo: O câncer de mama é o tipo de neoplasia mais frequente entre as mulheres no mundo e compreende um grupo heterogêneo de doenças classificadas em diferentes subtipos. A classificação comumente utilizada na prática clínica é baseada em marcadores imunoistoquímicos. Nessa classificação os tumores de mama são divididos em quatro grupos principais: luminal A, luminal B, HER2 positivo e triplo negativo. Com o aprimoramento das tecnologias de larga escala, desenvolveram-se classificações baseadas no perfil de expressão de RNAs codificadores. Entretanto, sabe-se que 98% do genoma humano não codifica para proteínas, evidenciando a relevância de se investigar RNAs n?o codificantes (ncRNAs). Os ncRNAs são classificados de acordo com o seu tamanho, e os RNAs longos n?o codificantes (lncRNAs) compreendem uma classe de transcritos que apresentam mais de 200 nucleotídeos. Estas moléculas apresentam alta versatilidade, atuando na regulação da expressão gênica em diversos níveis. Além disso, estas moléculas apresentam alta especificidade temporal e local, possibilitando que sejam utilizadas como biomarcadores. Os lncRNAs já foram descritos como desregulados em diversos tipos de câncer, incluindo o de mama. Porém, pouco se sabe ainda do papel funcional destes lncRNAs nos diferentes subtipos da doença. Desta forma, o presente trabalho teve como objetivo identificar lncRNAs reguladores de redes transcricionais no câncer de mama utilizando metodologias de bioinformática e de validação funcional. Por meio de uma metodologia de predição de redes de co-expressão, identificou-se a rede mediada pelo LINC00504 como diferencialmente ativada entre os subtipos luminal A e basal-like. O silenciamento deste lncRNAs em linhagens celulares do subtipo luminal A resultou na diminuição da proliferação celular e da capacidade clonogênica das células, sugerindo o papel oncogênico do LINC00504 nestas linhagens. Empregou-se também uma metodologia de análise bioinformática para evidenciar lncRNAs relevantes na resposta imune tumoral nos diferentes subtipos moleculares. O método foi bastante eficiente, e foi possível evidenciar lncRNAs específicos para cada subtipo: LINC01871 associado com ativação da resposta imune e melhor prognóstico no subtipo basal-like, EBLN3P que foi relacionado com supressão da resposta imune no subtipo luminal B, e MEG3, XXYLT1- AS2, e LINC02613 foram associados com a ativação da resposta imune nos subtipos luminal A, HER2-enriched e normal-like respectivamente. A partir dos resultados obtidos neste trabalho, pode-se enfatizar a relevância de melhor caracterizar os lncRNAs nos diferentes subtipos do câncer de mama, fornecendo assim novas perspectivas em relação ao diagnóstico, prognóstico e alvos terapêuticos.

Abstract: Breast cancer is the most common type of cancer among women worldwide and comprises a heterogeneous group of diseases classified into different subtypes. The classification commonly used in clinical practice is based on immunohistochemical markers. In this classification, breast tumors are divided into four main groups: luminal A, luminal B, HER2 positive and triple-negative. With the improvement of sequencing technologies, classifications based on the expression profile of coding RNAs were developed. However, it is known that 98% of the human genome does not code for proteins, evidencing the relevance of investigating non-coding RNAs (ncRNAs). ncRNAs are classified according to their size, and long non-coding RNAs (lncRNAs) comprise a class of transcripts that have more than 200 nucleotides. These molecules have high versatility, acting in the regulation of gene expression at different levels. Furthermore, these molecules have high temporal and local specificity, allowing them to be used as biomarkers. lncRNAs have been described as dysregulated in several types of cancer, including breast cancer. However, little is known about the functional role of these lncRNAs in the different subtypes of the disease. Thus, this study aimed to identify lncRNAs that regulate transcriptional networks in breast cancer using bioinformatics and functional validation methodologies. Through a method of prediction of co-expression networks, the network mediated by LIN00504 was identified as differentially activated between luminal A and basal-like subtypes. The silencing of these lncRNAs in luminal subtype A cell lines resulted in a decrease in cell proliferation and clonogenic capacity of the cells, suggesting the oncogenic role of LINC00504 in these cell lines. A bioinformatics analysis methodology was also used to reveal relevant lncRNAs in the tumor immune response in different subtypes. The method was very efficient, and it was possible to show specific lncRNAs for each subtype: LINC01871 associated with activation of the immune response and better prognosis in the basal-like subtype, EBLN3P, which was related to the suppression of the immune response in the luminal B subtype, and MEG3, XXYLT1 -AS2, and LINC02613 were associated with immune response activation in luminal A, HER2-enriched and normal-like subtypes respectively. From the results obtained in this work, the need and relevance of better characterizing lncRNAs in different breast cancer subtypes can be emphasized to provide new perspectives regarding diagnosis, prognosis and therapeutic targets.