Method Article

Descifrando el epitranscriptoma: Perspectivas en Silico sobre la red reguladora m6A en el cáncer de mama

DOI:

10.3791/70545

⸱

June 9th, 2026

 ,  ,  ,  ,  , 
1Department of Life Sciences, College of Science and General Studies, Alfaisal University, 2Department of Biological and Biomedical Sciences, Aga Khan University, 3College of Medicine, Alfaisal University, 4Affiliated Hospital of Hunan University, School of Biomedical Sciences, Hunan University

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Este protocolo presenta un enfoque para realizar análisis genéticos, moleculares y pronósticos in silico de reguladores de modificación de m6A integrando perfiles de mutaciones, alteraciones en el número de copias, expresión génica y resultados clínicos utilizando conjuntos de datos públicos del Atlas del Genoma del Cáncer (TCGA), el proyecto Genotype-Tissue Expression (GTEx) y plataformas de microarrays.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

La N6-metiladenosina (m6A) es la modificación interna de ARN más abundante en los transcritos eucariotas y desempeña un papel fundamental en el metabolismo del ARN, la expresión génica y la homeostasis celular. La desregulación de los reguladores m6A, incluidos los "escritores", "gomas de borrar" y "lectores", se ha implicado cada vez más en la biología del cáncer; Sin embargo, sus funciones integrales en el cáncer de mama aún están por comprenderse. El objetivo principal de este artículo de métodos es proporcionar a los principiantes en bioinformática un marco paso a paso para utilizar conjuntos de datos públicos de cáncer para realizar análisis mutacionales, evaluar alteraciones en la expresión génica y examinar sus asociaciones con la supervivencia del paciente. Como estudio de caso, los reguladores m6A en cáncer de mama fueron analizados utilizando conjuntos de datos del Atlas del Genoma del Cáncer (TCGA), el proyecto Genotype-Tissue Expression (GTEx) y plataformas de microarrays. Los perfiles transcriptómicos se analizaron sistemáticamente para demostrar los flujos de trabajo para evaluar la relevancia pronóstica de los componentes reguladores de m6A en el cáncer de mama. Utilizando este marco analítico, se identificaron patrones distintos de alteraciones genéticas y expresión diferencial entre los principales reguladores de m6A. Varios reguladores, incluyendo METTL14, CBLL1, YTHDC1, HNRNPC, HNRNPA2B1 y RBMX, se asociaron con una mejor supervivencia de los pacientes, mientras que YWHAG se asoció con una baja supervivencia global. Este estudio ofrece una visión integral de la genómica de sistemas sobre los genes reguladores m6A en el cáncer de mama, demostrando al mismo tiempo un flujo de trabajo práctico y reproducible en bioinformática basado en la web. Estos hallazgos avanzan en la comprensión de la regulación epitranscriptómica en el cáncer de mama y proporcionan una base para el desarrollo de nuevas estrategias diagnósticas y terapéuticas basadas en m6A.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Las modificaciones epitranscriptómicas representan una capa importante de regulación génica post-transcripcional y contribuyen a diversos procesos celulares y estados patológicos. Entre más de 170 modificaciones de ARN identificadas hasta la fecha, la N6-metiladenosina (m6A) es la más prevalente y mejor caracterizada en los ARNmeucariotas 1. Instalado por complejos "escritores" como METTL3/METTL14, eliminado por "borradores" como FTO y ALKBH5, e interpretado por proteínas "lectoras" que incluyen miembros de las familias YTH e IGF2BP, m6A orquesta el empalme, la estabilidad, el transporte y la traducción del ARN, influyendo así en procesos biológicos clave como el desarrollo, la diferenciación y la respuesta alestrés 2,3.

Se han reportado alteraciones en los componentes reguladores de m6A en un amplio espectro demalignidades 4. En muchos cánceres, la actividad aberrante de m6A impulsa fenotipos malignos; por ejemplo, la expresión elevada de METTL3 promueve la iniciación y progresión del cáncer de próstata modulando la vía del erizo y la metilación del ARNMYC 5,6. Inicialmente se encontró implicada en efectos oncogénicos en la leucemia mieloide aguda, pero la FTO demostró impulsar la progresión tumoral en cánceres de hígado, pulmón ycolorrectal 7,8,9,10. Sin embargo, se identificaron roles dependientes del contexto de FTO y ALKBH5 que ilustran la doble naturaleza de la regulación mediada por m6A, que puede promover tanto la señalización oncogénica como la supresoratumoral 11,12,13,14. También se ha encontrado que los lectores de M6A, incluyendo YTHDF1/2/3, ribonucleoproteínas nucleares heterogéneas (hnRNPs) y proteínas que se unen a mRNAm (IGF2BP1-3) similar a la insulina (-3), también están asociados con carcinogénesis 15,16,17.

En el cáncer de mama, cada vez hay más evidencia que sugiere que los reguladores de m6A suelen estar desregulados y pueden estar asociados con subtipos tumorales, características relacionadas con el sistema inmunitario y resultadosclínicos 18,19. Múltiples estudios mecanicistas sitúan a METTL3 como un factor pro-oncogénico frecuentemente aumentado en el cáncer de mama. La instalación de m6A mediada por METTL3 puede estabilizar o mejorar la traducción de transcritos que promueven la proliferación, la transición epitelial-mesenquimata (EMT), la metástasis y laquimiorresistencia 20. También se ha demostrado que METTL3 promueve la progresión del cáncer de mama al dirigirse aBcl-21. ALKBH5 ha estado implicado en la regulación de los programas de stemness del cáncer a través de NANOG y otras moléculas relacionadas con la stem, pero su influencia puede variar según el contextotumoral 22.

A medida que la lista de reguladores de m6A sigue ampliándose en los últimos años, es necesaria una actualización sobre cómo los reguladores recién identificados podrían estar desregulados en el cáncer de mama. La Tabla 1 ofrece una lista de reguladores m6A que incluyen escritores, lectores y borradores de modificaciones m6A. Además, se han identificado reguladores novedosos de m6A, incluyendo LRPPRC y YWHAG, con implicaciones en la progresión delcáncer 23,24,25. Por ello, se realizó una caracterización genética y molecular exhaustiva de todos los reguladores m6A conocidos en el cáncer de mama utilizando herramientas que pueden emplear investigadores con conocimientos bioinformáticos limitados.

El objetivo de este artículo de Métodos es presentar un protocolo de bioinformática basado en plataformas paso a paso para analizar reguladores m6A en cáncer de mama utilizando recursos de genómica del cáncer disponibles públicamente. Utilizando conjuntos de datos del Atlas del Genoma del Cáncer (TCGA) (www.cancer.gov/tcga), el proyecto Genotype Tissue Expression (GTEx) 26 y plataformas analíticas basadas en la web como cBioPortal y UCSC Xena, este protocolo demuestra flujos de trabajo reproducibles para evaluar perfiles mutacionales, alteraciones en la expresión génica y asociación con la supervivencia del paciente. Este enfoque visualizado y accesible está destinado a facilitar la adopción del análisis de datos epitranscriptómicos por parte de investigadores nuevos en bioinformática del cáncer.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

NOTA: La lista de genes que codifican reguladores de metilación m6A, categorizados como escritores, lectores y borradores, se presenta en la Tabla 1. Todos los genes listados se incluyeron en los análisis posteriores de mutaciones, patrones de expresión y supervivencia global. Todo el software y herramientas utilizados en este estudio están listados en la Tabla de Materiales.

1. Identificación de alteraciones genéticas en reguladores m6A

  1. Accede al cBioPortal para genómica del cáncer. Navega a la página web del cBioportal (www.cbioportal.org)27,28. Desde la página principal, selecciona la pestaña "Consulta" para comenzar un nuevo análisis.
  2. Selecciona el estudio y la cohorte de cáncer adecuados.
  3. En la barra de búsqueda "Seleccionar estudios para visualización y análisis", escribe "Carcinoma invasivo de mama" y selecciona "Carcinoma invasivo de mama (TCGA, Pan-Cancer Atlas)".
  4. Al final, selecciona "Consulta por gene".
    FUNDAMENTAL: Asegúrese de que la cohorte seleccionada (996 muestras) incluya tanto datos de mutación como de alteración del número de copia (CNA).
  5. Define la consulta genética. En la sección "Enter Genes", introduzca los símbolos del gen HUGO para la lista completa de reguladores m6A bajo investigación.
    NOTA: Los genes pueden introducirse como una lista separada por espacios. En "Seleccionar perfiles genómicos", asegúrese de que se marquen los siguientes dos tipos de datos: Mutaciones y Alteraciones del número de copia.
  6. En "Seleccionar Paciente/Conjunto de Casos", elige el conjunto de muestras por defecto que corresponda a la cohorte con todos los casos de perfil.
  7. Haz clic en el botón azul "Enviar consulta".
  8. Recupera e interpreta los datos de alteración genética. Al enviarlo, el resultado se cargará en la pestaña "resumen". La visualización central "OncoPrint" ofrece una visión inmediata de las alteraciones genéticas entre todos los genes consultados en la cohorte, que puede descargarse.
  9. Junto al OncoPrint, localiza el gráfico "Resumen de Tipo de Cáncer". Esto proporciona un desglose cuantitativo de las alteraciones entre subtipos de cáncer de mama.
  10. Realiza un análisis pan-canceroso. Vuelve a la página principal de cBioPortal y selecciona "TCGA PanCancer Atlas Studies" en la pestaña "Consulta".
  11. En la caja de entrada de genes, introduce la misma lista de genes reguladores m6A.
  12. Haz clic en "Enviar consulta" y en la página de resultados, accede a la pestaña "Resumen de tipos de cáncer". Esto ofrece una visión pan-cancerígena.

2. Análisis transcriptómico comparativo de reguladores m6A utilizando UCSC Xena.

  1. Accede a la plataforma Xena de UCSC. Accede a la página web de Xena de UCSC (https://xena.ucsc.edu)29.
  2. Desde la página principal, haz clic en el botón "Lanzar Xena" para acceder al navegador principal de análisis.
  3. En el navegador Xena, haz clic en "DATA SETS".
  4. Entre los conjuntos de datos, selecciona "TCGA TARGET GTEx". Este contiene datos de ARN-Seq procesados uniformemente de los tejidos normales de los proyectos TCGA y GTEx.
  5. En la página siguiente, haz clic en "VISUALIZAR".
  6. Defina la variable fenotipo (grupo muestral). En la sección "Seleccionar tu primera variable", selecciona "Categoría principal" en el tipo de dato fenotípico.
  7. Haz clic en "TO SECOND VARIABLE". Luego, en el tipo de dato genómico, marca "Expresión génica" en el conjunto de datos. Añade la lista de genes en la casilla "Añadir gen o posición". Haz clic en "Hecho".
  8. Visualiza patrones de expresión con un mapa de calor.
  9. Para separar las muestras de pecho (TCGA+GTEx) del TCGA TARGET GTEx, escribe "Mama" y utiliza la opción de filtro para conservar las muestras.
  10. El mapa de calor ya es visible y se puede descargar en PDF.
  11. Genera diagramas de caja comparativas para genes individuales. Para cuantificar y visualizar las diferencias de expresión de un gen específico, utilice el "Ver como gráfico". Usando esta opción, los datos pueden verse como un diagrama de cajas, un diagrama de puntos y un gráfico de violín, comparando la distribución de expresiones entre los dos grupos muestrales.
  12. Utiliza la opción "Descargar en PDF" para descargar las listas.
  13. La significación estadística (p-valor) puede obtenerse haciendo clic en "ESTADÍSTICAS".

3. Evaluación de la importancia pronóstica de los reguladores m6A utilizando el plotter Kaplan-Meier.

  1. Accede a la herramienta Kaplan-Meier Plotter. Accede a la web de Kaplan-Meier Plotter (https://kmplot.com/analysis)30.
  2. Desde la página principal, selecciona la pestaña "cáncer de mama" para iniciar un análisis específico de conjuntos de datos sobre el cáncer de mama.
  3. Configura la consulta de genes para un solo gen.
  4. En la sección de entrada principal, localiza la caja "Símbolo del Gene".
  5. Introduce el símbolo oficial del gen regulador m6A a analizar (por ejemplo, METTL3).
    CRÍTICO: Justo debajo de la casilla de entrada del gen, localice y active la casilla de verificación "Solo JetSet mejor conjunto de sondas". Esto garantiza que la sonda de microarray más fiable y específica se seleccione automáticamente para tu gen, optimizando la calidad y reproducibilidad de los datos.
  6. Define los parámetros del análisis de supervivencia. En la sección "Supervivencia", selecciona "Supervivencia global (SO)" como el punto final principal para este análisis. La herramienta utilizará automáticamente datos de 1880 pacientes con cáncer de mama cuando se seleccione esta configuración.
  7. Asegúrate de que la opción "Dividir pacientes por" esté configurada en "mediana". Esto estratificará a los pacientes en dos grupos iguales; alta y baja expresión, basados en el valor mediano de expresión del gen consultado en todas las muestras.
  8. El "umbral de seguimiento" puede usarse para seleccionar el periodo de seguimiento. Para este estudio, se seleccionaron 180 meses.
  9. Genera e interpreta la trama de Kaplan-Meier.
  10. Haz clic en el botón "Dibujar la trama de Kaplan-Meier".
  11. Se cargará una nueva ventana, mostrando la curva de supervivencia.
  12. Interpreta los elementos clave de la trama; El eje X indica el tiempo en meses, el eje Y muestra la probabilidad de supervivencia global, y las dos líneas de colores representan las curvas de supervivencia para los grupos de pacientes de alta expresión (rojo) y baja expresión (negro). Se muestra el valor P de rango logarítmico, que indica la significación estadística de la diferencia entre las dos curvas de supervivencia.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Paisaje mutacional de los reguladores de metilación m6a en el cáncer de mama

En un estudio anterior sobre el análisis genómico de conjuntos de datos de TCGA, se reportaron mutaciones recurrentes en varios genes que codifican reguladores de la metilación delADN 31. En el presente estudio, cBioPortal se utilizó para analizar el conjunto de datos "Breast Invasive Carcinoma (TCGA, PanCancer Atlas)" con el fin de examinar los perfiles mutacionales de los genes que codifican los escritores, lectores y borradores de la metilación del ARN m6A. Este análisis reveló diversas alteraciones genéticas entre pacientes con cáncer de mama, con frecuencias de alteración que variaban sustancialmente entre genes: desde el 0,4% en CNBP y RBM15B hasta el 12% en VIRMA (Figura 1A). La amplificación génica representó la alteración más común, mientras que eventos adicionales incluyeron deleciones profundas, sustituciones de bases y múltiples alteraciones concurrentes. Cabe destacar que se detectaron alteraciones en los genes que regulan funciones relacionadas con el m6A en 476 pacientes (48% de la cohorte) (Figura 1B), lo que subraya la importancia de la dinámica de modificación del m6A en el cáncer de mama. Aunque la frecuencia de los diferentes tipos de alteración variaba, tales mutaciones se observaron en todos los subtipos moleculares del cáncer de mama (Figura 1C). Para la validación, se incluyeron PIK3CA, TP53, CDH1 y GATA3 como genes de referencia (Figura 1A). De manera llamativa, las alteraciones en la maquinaria reguladora del m6A no se limitaron al cáncer de mama. El análisis de 10.967 muestras de 10.953 pacientes de 32 estudios del TCGA Pan-Cancer Atlas reveló patrones mutacionales conservados en una amplia variedad de tipos de cáncer. Recientemente se ha demostrado que la vía m6A se altera frecuentemente en el cáncer de próstata (PCa) y en general desempeña un papel pro-oncogénico32. Estos hallazgos indican que las mutaciones que afectan a los genes que codifican a los escritores, lectores y borradores de la modificación del ARN m6A son una característica común en múltiples tipos de cáncer (Figura 2).

Perfiles de expresión génica aberrantes en el cáncer de mama

La evidencia emergente destaca las alteraciones transcriptómicas como factores clave en la tumorigénesis, con una expresión génica aberrante que ofrece potencial como biomarcadores en el cáncer de mama. Para investigar esto, se analizaron los niveles de transcritos de genes que regulan la modificación de m6A utilizando datos del TCGA y del proyecto Genotype Tissue Expression (GTEx) que representan tejido mamario normal. Como se ilustra en la Figura 3A, varios genes asociados a m6A mostraron una desregulación significativa en muestras de cáncer de mama. Se observaron tanto la regulación alcista como la bajista en tejidos tumorales en comparación con los controles normales. METTL3 y WTAP, ambos componentes del complejo escritor, fueron regulados a la baja entre otros genes, mientras que varios otros genes, incluyendo VIRMA, YTHDF1 y YTHDF3, fueron regulados al alza. La Figura 3B delimita aún más los perfiles diferenciales de expresión de genes individuales entre las cohortes TCGA y GTEx. En conjunto, estos hallazgos indican que los genes que codifican escritores, lectores y gomas de metilación m6A sufren una extensa desregulación transcripcional en el cáncer de mama, lo que subraya su posible relevancia en la progresión de la enfermedad.

Genes de la maquinaria m6A y su papel en el pronóstico del paciente

Tras observar que las alteraciones genéticas y los cambios en la expresión génica son muy prevalentes entre los pacientes con cáncer, se investigó la relevancia pronóstica de estos cambios en la expresión en el cáncer de mama. Utilizando la herramienta Kaplan-Meier (KM)Plotter 30, que integra conjuntos de datos de microarrays, se evaluó la supervivencia global (OS) en una cohorte de 1880 pacientes con cáncer de mama según la expresión de genes reguladores m6A. Este análisis reveló que la expresión elevada de METTL14, CBLL1, YTHDC1, HNRNPC, HNRNPA2B1 y RBMX se asoció significativamente con una mejora en la supervivencia global. En contraste, la sobreexpresión de YWHAG se correlacionó con malos resultados de supervivencia (Figura 4). Como controles se incluyeron CCND2 y TOP2A, marcadores conocidos de mejor y pobre pronóstico, respectivamente. Otros genes que codifican reguladores de m6A no mostraron correlaciones estadísticamente significativas con la supervivencia del paciente (figura suplementaria). Estos hallazgos ponen de relieve un subconjunto de genes reguladores de metilación de m6A con potencial en la pronóstica del cáncer de mama.

figure-results-1
Figura 1: Alteraciones genéticas en los genes de escritores, lectores y borradores de m6A en el cáncer de mama. (A) Se muestra la distribución de las alteraciones entre 996 pacientes con cáncer de mama, con cada línea gris representando un caso individual. Las barras codificadas por colores indican diferentes tipos de alteración, incluyendo mutaciones missentido, deleciones profundas, amplificaciones, mutaciones dentro del marco y mutaciones truncantes. Los genes bien caracterizados, PIK3CA, TP53, CDH1 y GATA3, se incluyen como controles positivos debido a sus frecuencias de mutación establecidas. (B) Frecuencia general de alteración de genes reguladores m6A en toda la cohorte de pacientes. (C) Patrones de alteración genética en genes reguladores de m6A por subtipos de cáncer de mama. Por favor, haz clic aquí para ver una versión ampliada de esta figura. 

figure-results-2
Figura 2: Frecuencia de alteraciones genéticas en genes que codifican escritores, lectores y borradores m6A en diversos tipos de cáncer. El análisis se basa en datos del atlas pan-cáncer TCGA, que comprende 10.967 muestras de 10.953 pacientes distribuidos en 32 estudios oncológicos. Por favor, haz clic aquí para ver una versión ampliada de esta figura. 

figure-results-3
Figura 3: Anomalías de expresión en genes que codifican escritores, lectores y borradores de m6A. (A) Se muestran la sobreexpresión (barras rojas) y la subexpresión (barras azules) de todos los genes. Se utilizaron datos de GTEx y TCGA para comparar muestras de cáncer de mama normales frente a ellas. (B) Esta figura presenta una comparación de la expresión génica individual en pacientes con cáncer de mama normales frente a ellas. Xena emplea la prueba t de Welch para determinar los valores p de cada gen. Por favor, haz clic aquí para ver una versión ampliada de esta figura.

figure-results-4
Figura 4: Perfiles de expresión de escritores, lectores y gomas de borrar m6A y su asociación con el pronóstico en el cáncer de mama. Las curvas de supervivencia de Kaplan-Meier representan la supervivencia global del paciente, con el eje X indicando el tiempo (meses) y el eje Y mostrando la probabilidad global de supervivencia. Las líneas rojas representan el grupo de alta expresión, mientras que las líneas negras representan el grupo de baja expresión. Los pacientes fueron estratificados según los niveles medios de expresión génica. los valores p se determinaron mediante la prueba de rango logarítmico. Por favor, haz clic aquí para ver una versión ampliada de esta figura.

Figura suplementaria: Los miembros de los reguladores de m6A no muestran correlación significativa con la supervivencia global del paciente, como muestran las curvas de supervivencia de Kaplan-Meier. Las líneas rojas representan el grupo de alta expresión, mientras que las líneas negras representan el grupo de baja expresión. Por favor, haga clic aquí para descargar este archivo.

TipoSímbolo genético
GuionistasMETTL3
METTL14
ZC3H13
WTAP
RBM15
RBM15B
METTL16
CBLL1
KIAA1429/VIRMA
LectoresYTHDF1
YTHDF2
YTHDF3
YTHDC1
YTHDC2
HNRNPA2B1
HNRNPC
HNRNPG/RBMX
IGF2BP1
IGF2BP2
IGF2BP3
CNBP
ELAVL1
SND1
PRRC2A
PRRC2B
PRRC2C
EIF3A
FMR1
FXR1
FXR2
LRPPRC
MSI2
Gomas de borrarALKBH5
FTO

Tabla 1: Genes que codifican escritores, lectores y borradores de m6A. La Tabla 1 ofrece una visión general de las principales familias génicas responsables de instalar, reconocer y eliminar la modificación de m6A en el ARN eucariota.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

El artículo de este Método ofrece un flujo de trabajo completo, accesible e integrado para el perfilado multiómico sistemático y la traducción clínica de cualquier firma génica en la investigación del cáncer, demostrado aquí mediante el análisis de reguladores de metilación del ARN m6A en el cáncer de mama. Al combinar estas principales plataformas públicas de bioinformática, este enfoque permite a los investigadores avanzar de manera eficiente desde el descubrimiento genómico hasta hipótesis clínicamente relevantes sin requerir conocimientos computacionales avanzados.

La principal fortaleza de esta metodología es su pipeline modular y generador de hipótesis. El protocolo guía al usuario a través de una secuencia lógica; primero identificar qué genes están genéticamente alterados (usando cBioPortal), luego evaluar la desregulación de la expresión en un entorno corregido por lotes (usando UCSC Xena) y finalmente evaluar el impacto clínico de esa desregulación en la supervivencia del paciente (usando el plotador Kaplan-Meier). Este análisis paso a paso, desde el ADN hasta el ARN y el resultado clínico, prioriza eficazmente los genes candidatos para estudios posteriores. Por ejemplo, aplicar este flujo de trabajo a los reguladores de m6A identificaron eficazmente genes como YWHAG (alteración frecuente, pronóstico de mala supervivencia) como objetivos de alta prioridad para la validación funcional.

El diseño del protocolo para el análisis pan-canceroso aumenta aún más su utilidad, permitiendo a los investigadores determinar rápidamente si una firma molecular es específica de un cáncer o es una característica compartida de la tumorigénesis, como se observó con alteraciones generalizadas en la maquinaria m6A en este estudio. El análisis pan-cáncer reveló que las mutaciones que afectaban a escritores, lectores y gomas de m6A no se limitaban al cáncer de mama, sino que se compartían en múltiples malignidades. Esto se alinea con la acumulación de evidencia de que la regulación aberrante de m6A es una característica distintiva de la oncogénesis en diversos tipos de tumores, ya que influye en múltiples características del cáncer y procesos fisiológicos, incluyendo el empalme de ARN, la estabilidad, la traducción y la actividad de ARNno codificante 33.

Este enfoque metodológico es altamente adaptable. Aunque demostrado con reguladores m6A, el mismo flujo de trabajo puede aplicarse inmediatamente para caracterizar genes de puntos de control inmunitarios, enzimas metabólicas o nuevas firmas génicas de experimentos de RNA-seq en cualquier tipo de cáncer disponible en estas bases de datos. Este formato paso a paso reduce la barrera para que los científicos de laboratorio húmedo realicen análisis in silico sofisticados, acelerando la transición de los datos genómicos a la visión biológica.

En conclusión, este protocolo proporciona un marco sólido para la contextualización de genes relacionados con el cáncer. Además de delimitar el panorama mutacional, los hallazgos revelaron cambios en la expresión bidireccional en los reguladores de m6A. Este hallazgo subraya la complejidad del epitranscriptoma y refuerza el paradigma establecido de función dependiente del contexto, ejemplificado por los roles duales reportados para las proteínas de las familias METTL3 y YTHDF en diferentes tipos de cáncer34,35. También se ha demostrado que el eje m6A juega un papel en la regulación de la proliferación, metástasis y evasión inmunitaria en cáncer de mama triple negativo36,37. Curiosamente, el análisis de supervivencia identificó un subconjunto de reguladores m6A con significado pronóstico. La expresión elevada de METTL14, CBLL1, YTHDC1, HNRNPC, HNRNPA2B1 y RBMX se asoció con resultados favorables, mientras que la expresión de YWHAG se correlacionó con una baja supervivencia global. Estos hallazgos apoyan la posible utilidad clínica de los reguladores de m6A como biomarcadores pronósticos. CBLL1 también fue identificado como uno de los factores con pronóstico favorable en un estudioanterior 38. Sin embargo, el análisis actual que incorpora miembros actualizados de los reguladores de m6A identificó miembros adicionales, como RBMX y YWHAG, con mejor y peor supervivencia global, respectivamente. La observación de que reguladores distintos pueden predecir un pronóstico adverso o favorable subraya las funciones duales y específicas de contexto de las modificaciones m6A en la biología del cáncer. Aunque YTHDF1 y YTHDF3 están significativamente regulados al alza en tumores, su falta de correlación con la supervivencia global puede reflejar redundancia funcional entre los lectores, roles dependientes del contexto entre subtipos de cáncer, o la necesidad de considerar su ratio o la red reguladora neta de m6A en lugar de los niveles individuales de expresión. Además, aunque VIRMA mostró la frecuencia de alteración más alta (12%, principalmente amplificación), su expresión no correlacionó significativamente con la supervivencia global en el cáncer de mama. Una posible explicación es que la expresión de hIgh VIRMA indica solo un potencial elevado para la deposición de m6A, no si los lectores posteriores o los ARNm objetivo necesarios están presentes para traducirlo en un comportamiento tumoral agresivo. Cabe destacar que, mientras que YTHDF1 y YTHDF3 estaban sobreexpresados en la cohorte, YTHDC1 y YTHDC2 estaban significativamente regulados a la baja. Este patrón de expresión desajustado sugiere que la combinación funcional de escritores y lectores específicos necesaria para la salida oncogénica puede no ser operativa en el cáncer de mama. Por tanto, a pesar de su alta expresión, VIRMA puede no servir como un factor dominante en este contexto (Figura suplementaria).

Los autores reconocen una limitación principal de esta tubería in silico . Los análisis son inherentemente correlativos; Identifican asociaciones fuertes pero no establecen causalidad mecanicista. Dicha causalidad puede establecerse mediante genómica funcional o mediante el uso de inhibidores de pequeñas moléculas que atacan componentes de la víam6A 39. Cabe destacar que el primer inhibidor peptídico dirigido a METTL3, RSM3, fue desarrollado recientemente y demostró potencial anticancerígeno en modelos de cáncer de próstata in vivo40. Este flujo de trabajo metodológico representa, por tanto, una herramienta valiosa para identificar objetivos candidatos y estratificar las poblaciones de pacientes más propensas a beneficiarse de estas intervenciones terapéuticas.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Partes de este manuscrito fueron revisadas con la ayuda de herramientas de lenguaje basadas en IA para mejorar la claridad y la legibilidad. Todo el contenido sustantivo, interpretación, análisis y conclusiones son responsabilidad exclusiva de los autores. Declaramos que no existe conflicto de intereses.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Afortunadamente se reconoce una subvención de la Universidad Alfaisal (IRG 25450) a RM.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
cBioPortalCentro Oncológico Memorial Sloan-Ketteringhttps://www.cbioportal.org
Expresión de genotipo y tejido (GTEx)Consorcio GTExhttps://gtexportal.org
Conspirador de Kaplan-MeierGyorffy lab/A5 Genetics Ltdhttps://kmplot.com
El Atlas del Genoma del Cáncer (TCGA)Instituto Nacional del Cáncer (NCI)https://www.cancer.gov/tcga
Navegador UCSC XenaUniversidad de California Santa Cruzhttps://xenabrowser.net

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

m6A ModificationEpitranscriptomic RegulationBreast CancerRNA Methylationm6A RegulatorsBioinformatics WorkflowGene Expression AnalysisCancer GenomicsPrognostic BiomarkersTCGA Datasets

Related Articles