"Assinaturas do Metaboloma Plasmático para Prever a Resposta à Quimioterapia Neoadjuvante no Câncer de Mama"

• Processo: 24/12866-7
• Modalidade de apoio: Auxílio à Pesquisa - Publicações científicas - Artigo
• Vigência: 01 de setembro de 2024 - 28 de fevereiro de 2025
• Área do conhecimento: Ciências da Saúde - Medicina
• Pesquisador responsável: Andréia de Melo Porcari
• Beneficiário: Andréia de Melo Porcari
• Instituição Sede: Universidade São Francisco (USF). Campus Bragança Paulista. Bragança Paulista , SP, Brasil
• Assunto(s): Neoplasias mamárias Biologia tumoral Metabolômica
• Palavra(s)-Chave do Pesquisador: Breast Cancer | Cancer Biology | Drug Resistance | Metabolomics | neoadjuvant chemotherapy response | Oncologia, método diagnóstico

Resumo

Contexto: A quimioterapia neoadjuvante (NACT) surgiu como uma opção de tratamento para o câncer de mama (CM). No entanto, a resposta à NACT ainda é imprevisível e depende do subtipo de câncer. A metabolômica é uma ferramenta para prever biomarcadores e a resposta à quimioterapia. Utilizamos plasma para verificar alterações metabolômicas no CM antes da NACT, relacionando-as com dados clínicos.Métodos: A cromatografia líquida acoplada à espectrometria de massa (LC-MS) foi realizada no plasma pré-NACT de pacientes com CM (n = 75). Após a filtragem dos dados, um modelo SVM para classificação foi construído e validado com 75%/25% dos dados, respectivamente.Resultados: O modelo composto por 19 metabólitos identificados previu efetivamente a resposta à NACT para os conjuntos de treinamento/validação com alta sensibilidade (95,4%/93,3%), especificidade (91,6%/100,0%) e precisão (94,6%/94,7%). Em ambos os conjuntos, o painel classificou corretamente 95% das mulheres resistentes e 94% das sensíveis. A maioria dos compostos identificados pelo modelo eram lipídios e aminoácidos e revelaram alterações de vias relacionadas à quimiorresistência.Conclusão: Desenvolvemos um modelo para prever a resposta dos pacientes à NACT. Esses painéis de metabólitos permitem ganhos clínicos ao construir estratégias de medicina de precisão baseadas na estratificação tumoral. (AU)