Classificação de risco e resposta terapêutica de Tumor de Wilms investigado por metabolômica baseada em espectrometria de massas

• Processo: 22/14179-1
• Modalidade de apoio: Bolsas no Brasil - Doutorado Direto
• Data de Início da vigência: 01 de agosto de 2023
• Data de Término da vigência: 31 de agosto de 2026
• Área de conhecimento: Interdisciplinar
• Pesquisador responsável: Andréia de Melo Porcari
• Beneficiário: Pedro Henrique Godoy Sanches
• Instituição Sede: Universidade São Francisco (USF). Campus Bragança Paulista. Bragança Paulista , SP, Brasil
• Assunto(s): Oncologia Tumor de Wilms Resposta ao tratamento Metabolômica Biologia computacional Espectrometria de massas
• Palavra(s)-Chave do Pesquisador: bioinformática | classificação de risco | Espectrometria de massas | Metabolomica | resposta terapêutica | Tumor de Wilms | Oncologia

Resumo

Os tumores de Wilms (TW) são neoplasias correrspondentes a 80% dos tumores renais pediátricos. O tratamento preconizado pelo Children Oncology Group (COG) é constiutído de ressecção do tumor, quimioterapia (QT) adjuvante e radioterapia. Os TW são compostos por blastema, epitélio e estroma, sendo que a predominância do blastema classifica os pacientes como "alto risco" e relaciona-se à resposta do tumor à QT. Entretanto, existem dois tipos de blastema, um mais responsivo às drogas atualmente usadas e um resistente. Esta proposta visa, por meio da metabolômica baseada em espectrometria de massas (MS), discriminar o perfil das células blastematosas em relação à resposta à QT. A busca por assinaturas moleculares classificatórias utilizará os tecidos tumorais e será avaliada por duas técnicas com MS: Cromatografia Líquida acoplada a MS (LC-MS) e imageamento químico por Dessorção e Ionização por eletrospray (DESI-MSI). Para tanto, serão avaliados tecidos de 40 pacientes retrospectivos diagnosticados com TW no período compreendido entre 2000-2005, armazenados no Centro Infantil Boldrini (CAAE: 18608519.2.0000.5376), bem como seus dados clínicos. A composição química em função da resposta e classificação de risco será modelada utilizando técnicas de regressão e aprendizado de máquina como LASSO (Least Absolute Shrinkage and Selection Operator). Nosso resultados preliminares indicam que a metabolômica por LC-MS identifica o TW em tecidos com 92,8% de sensibilidade, 86,6% de especificidade, e acurácia > 89.5%. As moléculas apontam para a sustentação da proliferação celular por meio de mecanismos antioxidativos e lipogênese por reprogramação do metabolismo lipídico. (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)

SANCHES, PEDRO H. GODOY; DE MELO, NICOLLY CLEMENTE; PORCARI, ANDREIA M.; DE CARVALHO, LUCAS MIGUEL. Integrating Molecular Perspectives: Strategies for Comprehensive Multi-Omics Integrative Data Analysis and Machine Learning Applications in Transcriptomics, Proteomics, and Metabolomics. BIOLOGY-BASEL, v. 13, n. 11, p. 21-pg., 2024-11-01. (22/14179-1)

DE LIMA, IASMIM LOPES; SILVA, ALEX AP. ROSINI; BRITES, CARLOS; MIYAGUTI, NATALIA ANGELO DA SILVA; MANSOLDO, FELIPE RAPOSO PASSOS; NUNES, SARA VAZ; SANCHES, PEDRO HENRIQUE GODOY; CATALDI, THAIS REGIANI; DE CARVALHO, CAROLINE PAIS; DA SILVA, ADRIANO REIS; et al. Mass Spectrometry-Based Metabolomics Reveals a Salivary Signature for Low-Severity COVID-19. INTERNATIONAL JOURNAL OF MOLECULAR SCIENCES, v. 25, n. 22, p. 18-pg., 2024-11-01. (22/14179-1)