Definindo assinaturas epigenômicas de células-tronco em 33 diferentes tipos de tumores em um grupo de mais de 9000 amostras

• Processo: 16/01975-3
• Linha de fomento: Bolsas no Exterior - Estágio de Pesquisa - Pós-Doutorado
• Vigência (Início): 01 de setembro de 2016
• Vigência (Término): 31 de agosto de 2017
• Área do conhecimento: Ciências da Saúde - Medicina - Clínica Médica
• Pesquisador responsável: Houtan Noushmehr
• Beneficiário: Tathiane Maistro Malta Pereira
• Supervisor no Exterior: Ana de Carvalho
• Instituição-sede: Faculdade de Medicina de Ribeirão Preto (FMRP). Universidade de São Paulo (USP). Ribeirão Preto, SP, Brasil
• Local de pesquisa : Henry Ford Health System, Estados Unidos
• Vinculado à bolsa: 14/02245-3 - Identificação de assinaturas epigenômicas que definem regiões regulatórias ativas do genoma associadas à diferenciação mesenquimal a partir de células-tronco pluripotentes humanas, BP.PD

Resumo

As células tumorais compartilham a capacidade proliferativa e alta plasticidade fenotípica das células-tronco. O fenótipo de células-tronco de vários subtipos de câncer está diretamente relacionado com o aumento da agressividade, resistência a terapias, e pior prognóstico. No entanto, não está claro se os diferentes subtipos de câncer em estágio final variam em propriedades stemness e se estes subtipos são molecularmente similar ao de células-tronco normais. Recentes estudos de caracterização molecular foram beneficiados com a disponibilidade dos conjuntos de dados gerados pelo The Cancer Genome Atlas (TCGA), permitindo a classificação molecular mais precisa dos tumores e relacionando assinaturas moleculares com o prognóstico. Notavelmente, a metilação do DNA tem demonstrado q um papel importante na contribuição da a biologia do tumor e em sua classificação. Na presente proposta científica, utilizando dados de metilação de DNA de aproximadamente 10.000 amostras de tumores disponíveis no TCGA, em 33 tipos diferentes de tumores, pretendemos identificar tumores com assinaturas de células-tronco e correlacionar com as características clínicas, a fim de expandir a nossa compreensão a cerca da biologia dos tumores. A identificação de tumores com o fenótipo de células-tronco pode melhorar a classificação atual dos tumores e, por sua vez, pode permitir uma melhor previsão do comportamento do tumor e, em última instância, pode possibilitar terapias preventivas em indivíduos com alto risco de desenvolver câncer. Ao integrar assinaturas de células-tronco e de câncer, esperamos que nossos resultados irão enriquecer a nossa compreensão da biologia do tumor e abrir oportunidades para melhoria dos protocolos terapêuticos. Além disso, a colaboração resultante desta iniciativa têm competências complementares que irão assegurar um intercâmbio robusto de conhecimentos especializados e a realização desta proposta. (AU)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

MALTA, TATHIANE M.; DE SOUZA, CAMILA F.; SABEDOT, THAIS S.; SILVA, TIAGO C.; MOSELLA, MARITZA S.; KALKANIS, STEVEN N.; SNYDER, JAMES; CASTRO, ANA VALERIA B.; NOUSHMEHR, HOUTAN. Glioma CpG island methylator phenotype (G-CIMP): biological and clinical implications. NEURO-ONCOLOGY, v. 20, n. 5, p. 608-620, MAY 2018. Citações Web of Science: 9.

DE SOUZA, CAMILA FERREIRA; SABEDOT, THAIS S.; MALTA, TATHIANE M.; STETSON, LINDSAY; MOROZOVA, OLENA; SOKOLOV, ARTEM; LAIRD, PETER W.; WIZNEROWICZ, MACIEJ; IAVARONE, ANTONIO; SNYDER, JAMES; DECARVALHO, ANA; SANBORN, ZACHARY; MCDONALD, KERRIE L.; FRIEDMAN, WILLIAM A.; TIRAPELLI, DANIELA; POISSON, LAILA; MIKKELSEN, TOM; CARLOTTI, JR., CARLOS G.; KALKANIS, STEVEN; ZENKLUSEN, JEAN; SALAMA, SOFIE R.; BARNHOLTZ-SLOAN, JILL S.; NOUSHMEHR, HOUTAN. A Distinct DNA Methylation Shift in a Subset of Glioma CpG Island Methylator Phenotypes during Tumor Recurrence. CELL REPORTS, v. 23, n. 2, p. 637-651, APR 10 2018. Citações Web of Science: 5.

MALTA, TATHIANE M.; SOKOLOV, ARTEM; GENTLES, ANDREW J.; BURZYKOWSKI, TOMASZ; POISSON, LAILA; WEINSTEIN, JOHN N.; KAMINSKA, BOZENA; HUELSKEN, JOERG; OMBERG, LARSSON; GEVAERT, OLIVIER; COLAPRICO, ANTONIO; CZERWINSKA, PATRYCJA; MAZUREK, SYLWIA; MISHRA, LOPA; HEYN, HOLGER; KRASNITZ, ALEX; GODWIN, ANDREW K.; LAZAR, ALEXANDER J.; STUART, JOSHUA M.; HOADLEY, KATHERINE A.; LAIRD, PETER W.; NOUSHMEHR, HOUTAN; WIZNEROWICZ, MACIEJ; NETWORK, CANCER GENOME ATLAS RES. Machine Learning Identifies Stemness Features Associated with Oncogenic Dedifferentiation. Cell, v. 173, n. 2, p. 338+, APR 5 2018. Citações Web of Science: 27.