Se requiere una suscripción a JoVE para ver este contenido. Inicie sesión o comience su prueba gratuita.
Artículo de investigación
* These authors contributed equally
Análisis integrados de metabolómica, transcriptómica, célula individual y funcionales identifican a SHMT2 como un biomarcador de la reprogramación metabólica SGOC, comportamiento agresivo y menor respuesta predicha a la inmunoterapia en adenocarcinoma de pulmón.
El metabolismo de serina/glicina/un carbono (SGOC) se altera frecuentemente en adenocarcinoma pulmonar (LUAD), pero su relación con el comportamiento tumoral y la respuesta predicha a la inmunoterapia aún no está completamente definida. Se realizó un perfilado metabolómico de 23 tejidos de LUAD y tejidos pulmonares normales adyacentes mediante espectrometría de masas con ionización por electroaspersión extractiva interna. Se analizaron datos transcriptómicos y clínicos del cohorte de LUAD del Atlas del Genoma del Cáncer (TCGA-LUAD) para evaluar la expresión de SHMT2, el pronóstico, los genes diferencialmente expresados y las características relacionadas con la inmunidad. La respuesta predicha al bloqueo de puntos de control inmunitario se evaluó mediante Tumor Immune Dysfunction and Exclusion (TIDE) y The Cancer Immunome Atlas (TCIA), y la sensibilidad a fármacos se infirió utilizando oncoPredict. Se utilizaron datos de ARN-seq de célula individual para examinar la distribución celular de SHMT2. La validación experimental incluyó PCR cuantitativa de transcripción inversa (RT-qPCR), inmunotransferencia, inmunohistoquímica del Atlas de Proteínas Humanas (HPA) y silenciamiento de SHMT2 mediado por ARN de horquilla corta (shRNA), seguido de ensayos de proliferación, cierre de herida y formación de colonias. El análisis metabolómico identificó el metabolismo de glicina, serina y treonina como una vía prominentemente alterada en LUAD. SHMT2 estaba sobreexpresado en LUAD y asociado con una peor supervivencia general y características clinicopatológicas desfavorables. Los tumores con alta expresión de SHMT2 mostraron enriquecimiento de programas transcripcionales relacionados con el ciclo celular y el SGOC, puntajes inmunitarios y estromales más bajos, y una menor respuesta predicha a la inmunoterapia. El análisis a nivel de célula individual mostró un enriquecimiento relativo de la expresión de SHMT2 en poblaciones de linfocitos B. In vitro, SHMT2 estaba sobreexpresado en células de LUAD, y su silenciamiento suprimió la proliferación, migración y crecimiento clonogénico. En conjunto, SHMT2 se asocia con la reprogramación metabólica del SGOC, fenotipos tumorales agresivos y un estado inmunológicamente desfavorable en LUAD, lo que respalda su posible relevancia como biomarcador; el abordaje terapéutico requiere validación farmacológica adicional y in vivo.
El CAPE sigue siendo una de las principales causas de mortalidad relacionada con el cáncer en todo el mundo, impulsada por una marcada heterogeneidad molecular, una propensión temprana a la metástasis y la durabilidad limitada de las estrategias terapéuticas actuales1,4. Aunque los inhibidores de los puntos de control inmunitario (ICI) han transformado el panorama terapéutico del CAPE, el beneficio clínico sostenido se limita a un subconjunto de pacientes, y con frecuencia se observan resistencia primaria y adquirida3,4. Esta notable variabilidad entre pacientes subraya la necesidad urgente de definir los determinantes biológicos que moldean el microambiente inmunitario tumoral y regulan la respuesta a la inmunoterapia, al tiempo que se identifican vulnerabilidades terapéuticas que puedan aprovecharse para mejorar la estratificación de los pacientes y los resultados del tratamiento.
La reprogramación metabólica es una característica central de la progresión maligna5. Entre los programas metabólicos, el metabolismo SGOC conecta las entradas glucolíticas con el metabolismo de aminoácidos y la síntesis de nucleótidos, proporcionando unidades de un carbono para la producción de purinas/pirimidinas y la generación de donadores de metilo6. Más allá de la producción de biomasa, el metabolismo SGOC contribuye a la homeostasis redox e interactúa con el ciclo de la metionina para influir en la metilación del ADN, ARN e histonas, posicionándolo en el nexo entre proliferación y regulación epigenética7,8. La serina hidroximetiltransferasa 2 (SHMT2), la isoforma mitocondrial de la serina hidroximetiltransferasa, convierte la serina en glicina mientras genera 5,10-metileno-tetrahidrofolato y constituye un punto de entrada principal para el suministro mitocondrial de un carbono dentro de la red SGOC9. SHMT2 está anormalmente sobreexpresada en múltiples malignidades y se ha asociado con una proliferación aumentada, invasión, resistencia terapéutica y adaptación al estrés oxidativo10,11,12,13. SHMT2 también interfiere con la señalización inflamatoria a través del complejo BRISC, aunque aún no se ha establecido un mecanismo inmune directo impulsado por SHMT2 en el adenocarcinoma pulmonar (LUAD)14,15. Por lo tanto, es necesario una evaluación integrada para determinar si SHMT2 marca un fenotipo metabólico clínicamente relevante en LUAD y cómo se relaciona con las características del microentorno inmune y la respuesta predicha a la inmunoterapia.
La interacción bidireccional entre el metabolismo tumoral y la inmunidad antitumoral es fundamental en la biología del cáncer contemporánea16. Las células tumorales pueden comprometer la competencia inmunitaria mediante el agotamiento competitivo de nutrientes, la acumulación de metabolitos inmunomoduladores y el acoplamiento metabólico-epigenético que reprograma la diferenciación celular inmunitaria y los programas efectorores7,16,17. Un metabolismo de un solo carbono intensificado puede influir en programas dependientes de metilación y en la idoneidad metabólica de los linfocitos T, aunque la dirección y magnitud de estos efectos dependen del tipo celular y del contexto nutricional17. La regulación inmunitaria adaptativa también va más allá de los linfocitos T: se ha asociado a los linfocitos B, las respuestas de anticuerpos, la presentación de antígenos y las estructuras linfoides terciarias (TLS) con la eficacia de la inmunoterapia18. Estas observaciones motivan un análisis de múltiples niveles que pueda situar un candidato metabólico dentro de contextos tumorales masivos, de célula única y funcionales, sin asumir que la concordancia entre plataformas por sí sola demuestra causalidad.
A diferencia de un diseño basado únicamente en metabolómica, que identifica metabolitos alterados sin establecer su origen celular ni su relevancia fenotípica, y a diferencia de un diseño basado únicamente en transcriptómica masiva, que puede inferir la actividad de rutas sin observar directamente alteraciones en los metabolitos, el presente flujo de trabajo integra metabolómica en tejidos apareados, transcriptómica masiva y de célula individual, y ensayos funcionales in vitro. La concordancia entre estas capas apoya la priorización de candidatos y reduce la dependencia de cualquier plataforma analítica única; sin embargo, la evidencia resultante sigue siendo asociativa respecto a la regulación inmune, a menos que se valide en sistemas de co-cultivo inmune o in vivo.
La metabolómica de tejidos apareados de adenocarcinoma pulmonar (LUAD) y tejido pulmonar normal adyacente se utilizó inicialmente para identificar perturbaciones metabólicas asociadas con la glicina. Posteriormente, se integraron los datos transcriptómicos y clínicos de TCGA para evaluar SHMT2, una enzima mitocondrial de la vía de serina, glicina y un carbono (SGOC), respaldada por la relevancia de la vía, la sobreexpresión en el tumor, la asociación pronóstica y la factibilidad experimental. El perfilado del microentorno inmunitario, el mapeo a nivel de célula individual y la validación funcional in vitro establecieron posteriormente un marco hipotético y multifacético que abarca alteraciones metabólicas, disregulación enzimática, distribución celular y fenotipo de las células tumorales. Desde una perspectiva práctica, este flujo de trabajo requiere tejidos apareados frescos congelados. La identificación de metabolitos mediante espectrometría de masas es semicuantitativa; los metabolitos candidatos deben validarse independientemente. Las predicciones de inmunoterapia (TIDE/TCIA) y las inferencias de sensibilidad a fármacos (oncoPredict) son estimaciones computacionales basadas en el transcriptoma que no sustituyen la validación clínica en cohortes reales tratadas con inhibidores de puntos de control inmunitario (ICI), y deben interpretarse como generadoras de hipótesis.
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Este estudio fue aprobado por el Comité de Revisión Institucional del Segundo Hospital Afiliado de la Universidad de Nanchang (CDEFYYLK 3-05). Se obtuvo el consentimiento informado por escrito de todos los pacientes antes de la recolección de muestras, de acuerdo con la Declaración de Helsinki. Los datos brutos se exportaron y analizaron utilizando el software y los recursos web que se enumeran en la Tabla de Materiales.
Recolección de tejido clínico
Se recolectaron tejidos tumorales emparejados y tejidos normales pulmonares distantes apareados de pacientes que se sometieron a una resección quirúrgica entre enero y junio de 2024 y que fueron diagnosticados patológicamente con adenocarcinoma pulmonar invasivo. Los especímenes fueron extirpados por el cirujano operador, procesados dentro de los 5 minutos posteriores a la resección, congelados inmediatamente en nitrógeno líquido y almacenados hasta su análisis. Las características clínico-patológicas sin identificación se proporcionan en la Tabla Suplementaria 1.
Espectrometría de masas con ionización por electroaspersión extractiva interna (iEESI-MS) para discriminar el adenocarcinoma pulmonar (LUAD) de los tejidos pulmonares normales
Los especímenes de tejido (1 mm3) se analizaron mediante iEESI-MS utilizando un espectrómetro de masas híbrido con trampa iónica lineal y trampa orbital electrostática en modo de iones positivos. El disolvente de extracción de metanol (100 %) se suministró a 3,0 µL/min con un voltaje de +5 kV. El rango de escaneo de iEESI-MS1 fue de m/z 50–2.000. iEESI-MS2 utilizó disociación inducida por colisión con una energía de colisión normalizada del 25–35 %, una ventana de aislamiento de m/z 2,0 y un tiempo de exclusión dinámica de 30 s. La calibración externa diaria según el procedimiento estándar del instrumento mantuvo un error de masa <5 ppm. Tras la normalización mediante la mediana, transformación log₂ y autoscalado, se realizó un análisis OPLS-DA con 200 pruebas de permutación. Los metabolitos se anotaron utilizando HMDB, y el enriquecimiento de vías metabólicas se llevó a cabo empleando anotaciones de KEGG.
Procesamiento de datos de espectrometría de masas e identificación de metabolitos
Los datos espectrométricos en bruto se normalizaron mediante normalización mediana, seguida de transformación log₂ y autoscalado (centrado respecto a la media y división por la desviación estándar de cada variable). Se utilizó el análisis de discriminantes por mínimos cuadrados parciales ortogonales (OPLS-DA) para identificar características m/z discriminantes. Se consideraron diferenciales aquellas características con VIP > 1,0, |log₂(CF)| > 0,58 y p < 0,05. Las características diferenciales se sometieron a análisis MS2 y se anotaron utilizando la Base de Datos del Metaboloma Humano. Posteriormente, se empleó el enriquecimiento de vías basado en KEGG para identificar las vías alteradas y priorizar las enzimas relevantes para dichas vías. Los metabolitos diferenciales anotados se proporcionan en la Tabla Suplementaria 2.
Análisis basados en TCGA de la expresión de SHMT2, supervivencia y asociaciones clínico-patológicas
Los perfiles de expresión de RNA-seq y las anotaciones clínicas correspondientes para TCGA-LUAD se descargaron del Genomic Data Commons el 18 de diciembre de 2025; tumor (n = 542) y tejido normal (n = 59). Los valores de fragmentos por kilobase de transcripción por millón de lecturas mapeadas (FPKM) se transformaron como log2(FPKM + 1). Solo se incluyeron en los análisis pronósticos las muestras con información completa de supervivencia. Los valores de expresión de SHMT2 en tumor y tejido normal se compararon utilizando la prueba de suma de rangos de Wilcoxon. Los pacientes se dividieron en grupos de alta y baja expresión de SHMT2 según el valor mediano de expresión. La supervivencia global se evaluó mediante análisis de Kaplan-Meier y la prueba log-rank. Las asociaciones con la etapa tumoral-nódulo-metástasis (TNM), edad y sexo se evaluaron mediante pruebas chi-cuadrado o de Wilcoxon, según correspondiera. Se generaron curvas de características operativas del receptor (ROC) dependientes del tiempo para la supervivencia a 1, 3 y 5 años. Todas las pruebas estadísticas fueron bilaterales.
Análisis de expresión diferencial y enriquecimiento funcional (GO/KEGG)
Los genes diferencialmente expresados (DEG) entre los grupos con alto y bajo nivel de SHMT2 se identificaron utilizando una tasa de descubrimiento falso < 0,05 y |log₂(FC)| ≥ 1. Los resultados se visualizaron como un gráfico de volcan y un mapa de calor de los 40 DEG principales con normalización del puntaje z por filas. Los análisis de enriquecimiento de Gene Ontology (GO) y KEGG utilizaron un valor p ajustado < 0,05. Las anotaciones de genes humanos se obtuvieron de Ensembl en diciembre de 2025.
Infiltración inmune, predicción de la respuesta a inmunoterapia e inferencia de sensibilidad a fármacos
Se calcularon puntuaciones del microentorno tumoral, incluyendo Puntuación Inmune, Puntuación Estromal y Puntuación ESTIMATE, utilizando ESTIMATE. Se infirió la composición de células inmunitarias mediante CIBERSORT con el conjunto de referencia LM22 (descargado el 5 de diciembre de 2025), 1.000 permutaciones y retención de muestras con un valor p de desconvolución < 0,05. Se realizaron comparaciones por grupos entre tumores con alta expresión de SHMT2 y tumores con baja expresión de SHMT2. Las correlaciones de Spearman entre SHMT2 y genes relacionados con puntos de control inmunitarios se representaron como una matriz de correlación. Las inmunopuntaciones fenotípicas se obtuvieron de TCIA, y se utilizó TIDE para la predicción complementaria de la respuesta a la inmunoterapia. Se infirió la sensibilidad a fármacos mediante oncoPredict, entrenado con la versión de GDSC de diciembre de 2023, para estimar los valores de IC50. Las diferencias entre grupos se analizaron mediante pruebas de Wilcoxon, y las asociaciones continuas mediante correlaciones de Spearman.
Análisis de ARN-seq de una sola célula de LUAD
Se descargaron datos transcriptómicos de célula individual19 del Gene Expression Omnibus el 20 de diciembre de 2025 y se analizaron. Se conservaron las células con 200–6.000 características detectadas y < 10% de transcritos mitocondriales. Las cuentas se normalizaron utilizando LogNormalize con un factor de escala de 10.000; se seleccionaron los 2.000 genes variables superiores y todos los genes se escalaron. El análisis de componentes principales utilizó los primeros 20 componentes, UMAP utilizó las dimensiones 1–20 y el agrupamiento utilizó una resolución de 0,5. Los tipos celulares se anotaron utilizando la referencia del Atlas de Células Primarias Humanas. Se compararon las proporciones de tipos celulares entre muestras tumorales y normales, y se generaron matrices de correlación de Spearman. Se examinaron las distribuciones de SHMT2 entre los tipos celulares anotados. Los estados del ciclo celular se infirieron utilizando cyclone y se visualizaron con gráficos de cresta.
Cultivo celular
Las células BEAS-2B, H1299 y A549 se cultivaron a 37 °C en una incubadora humedecida ajustada al 5% de CO2 y aproximadamente 95% de humedad relativa, utilizando los medios y suplementos especificados en la Tabla de Materiales.
Reacción en cadena de la polimerasa cuantitativa en tiempo real con retrotranscripción (RT-qPCR)
Se extrajo ARN total utilizando un reactivo de extracción de ARN basado en fenol. El ARN extraído se transcribió a ADNc mediante una mezcla maestra de transcripción inversa. La transcripción inversa se realizó en un sistema de 20 µL con eliminación de ADN genómico a 42 °C durante 2 min, transcripción inversa a 50 °C durante 15 min y terminación a 85 °C durante 5 s. Se realizó PCR cuantitativa con una mezcla maestra de PCR en tiempo real basada en un colorante que se une al ADN, en un sistema de PCR en tiempo real utilizando 95 °C durante 3 min, seguido de 40 ciclos de 95 °C durante 10 s y 60 °C durante 30 s, y un paso de curva de desnaturalización de 95 °C durante 15 s, 60 °C durante 60 s y 95 °C durante 15 s. Todas las reacciones se realizaron por triplicado. La expresión relativa se calculó utilizando el método 2−ΔΔCt con GAPDH como gen de referencia. Las soluciones stock de cebadores se prepararon a 10 µM en agua doblemente destilada y se almacenaron a -20 °C en la oscuridad. Las secuencias de los cebadores se proporcionan en la Tabla Suplementaria 3.
Transferencia por inmunotransferencia (Western blotting)
Se extrajo la proteína celular total utilizando tampón de ensayo de inmunoprecipitación con radioinmunoensayo en hielo durante 30 min y se centrifugó a 12.000 x g durante 15 min a 4 °C. Las proteínas se separaron mediante electroforesis en gel de poliacrilamida al 12 % con dodecilsulfato de sodio y se transfirieron a membranas de fluoruro de polivinilideno de 0,22 µm. Las membranas se bloquearon con leche descremada al 5 % (p/v) en solución salina tamponada con Tris con Tween 20 al 0,1 % (TBST) durante 2 h a temperatura ambiente y se incubaron durante la noche a 4 °C con los anticuerpos primarios anti-SHMT2 (1:1.000) y anti-GAPDH (1:2.000) diluidos en TBST con leche descremada al 5 %. Tras tres lavados de 8 min cada uno con TBST (20 mM Tris-HCl, 150 mM NaCl, 0,1 % Tween-20), las membranas se incubaron con anticuerpos secundarios conjugados con peroxidasa de rábano picante (1:5.000) durante 1 h a temperatura ambiente. Las señales se desarrollaron utilizando un sustrato de quimioluminiscencia mejorado preparado mezclando volúmenes iguales de las soluciones A y B, se incubaron durante 2 min a temperatura ambiente en la oscuridad y se capturaron con un sistema de imagen de quimioluminiscencia.
Validación de inmunohistoquímica de HPA
Se evaluaron los patrones de expresión proteica de SHMT2 en tejido pulmonar normal y en LUAD utilizando el HPA. Se consultó «SHMT2» en el HPA, y se descargaron imágenes representativas de inmunohistoquímica (IHC) y anotaciones patológicas asociadas para su comparación. Para minimizar el sesgo debido a la especificidad del anticuerpo, se priorizaron los anticuerpos con niveles más altos de validación en el HPA. Cuando estuvo disponible, se realizó una comparación cruzada de los resultados de IHC obtenidos con múltiples anticuerpos (HPA020543 y HPA020549).
Silenciamiento de SHMT2 en células de CAUP
Para investigar el papel intrínseco de las células tumorales de SHMT2 en el ACPR, se realizó un silenciamiento de SHMT2 en células H1299 y A549 utilizando shRNA. El shRNA fue transportado por un vector lentiviral controlado por el promotor H1 y seleccionable con puromicina; los plásmidos de empaquetamiento se transfirieron simultáneamente durante la producción del virus. sh-SHMT2 tenía como diana la región codificante humana de SHMT2, mientras que sh-NC era un control negativo aleatorizado. Los lotes virales preparados tenían una titulación de ≥ 1 x 108 unidades transductoras/mL y se almacenaron a -80 °C. Las células fueron infectadas con las partículas lentivirales sh-SHMT2 o sh-NC preparadas descritas en la Tabla de Materiales. A las 48 h, la eficiencia del silenciamiento se evaluó mediante RT-qPCR e inmunotransferencia. Solo se utilizaron células con silenciamiento confirmado de SHMT2 para los ensayos de proliferación, migración y formación de colonias.
Ensayo de proliferación celular
La proliferación celular se evaluó mediante el ensayo CCK-8. Las células H1299 y A549 transfectadas se sembraron en placas de 96 pocillos a una densidad de 5 x 103 células por pocillo, en sextuplicado. En los días 1, 2, 3, 4 y 5, se añadieron 10 µL del reactivo CCK-8 a cada pocillo (10% del volumen del medio de cultivo) y se incubaron durante 2 h a 37 °C. La absorbancia se midió a 450 nm y se utilizó como indicador de viabilidad celular.
Ensayo de cicatrización de heridas
La migración celular se evaluó mediante un ensayo de cicatrización de herida. Las células H1299 y A549 transfectadas se sembraron en placas de 6 pocillos y se cultivaron hasta alcanzar una confluencia del 90–95 %. Se generó una herida lineal utilizando una punta estéril de pipeta de 200 µL, y las células desprendidas se eliminaron mediante lavados suaves con solución salina tamponada con fosfatos. A continuación, las células se mantuvieron en medio sin suero o con bajo contenido de suero, y el área de la herida se capturó mediante microscopía invertida a las 0 h y 24 h. El cierre de la herida se cuantificó utilizando el software de análisis de imágenes que se lista en la Tabla de Materiales, y se calculó como el porcentaje de reducción respecto al área inicial de la herida.
Ensayo de formación de colonias
Para el análisis de formación de colonias, las células H1299 y A549 transfectadas se sembraron en placas de 6 pocillos con 800 células por pocillo y se cultivaron durante aproximadamente 10–14 días hasta la formación de colonias visibles, con monitoreo microscópico durante el cultivo. Las colonias se fijaron con paraformaldehído al 4 % durante 30 min a temperatura ambiente y se tiñeron con violeta cristalino al 0,1 % durante 15 min a temperatura ambiente. Se contaron las colonias que contenían más de 50 células bajo un microscopio óptico.
Análisis estadístico para experimentos in vitro
Todos los experimentos in vitro se realizaron independientemente al menos tres veces. Los datos se presentan como la media ± desviación estándar. Las comparaciones entre dos grupos utilizaron la prueba t de Student, y se consideró estadísticamente significativo un valor de p < 0,05.
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
El metaboloma tisular revela una remodelación metabólica extensa en el CAEP con un enriquecimiento destacado de vías asociadas a la glicina
Se analizaron mediante iEESI-MS directa tejidos pulmonares tumorales y normales adyacentes emparejados de 23 pacientes con LUAD; las características de los pacientes y las anotaciones de metabolitos diferenciales se proporcionan en Tabla Suplementaria 1 y Tabla Suplementaria 2. Tras la normalización log
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Este estudio utilizó un marco secuencial que comprende el descubrimiento metabolómico, la priorización de enzimas, la interpretación transcriptómica, la evaluación del contexto inmunitario, la localización a nivel de célula individual y la validación funcional de células tumorales. Los análisis identifican una remodelación metabólica relacionada con la glicina y con la vía SGOC en el adenocarcinoma pulmonar (LUAD) y asocian a SHMT2 con resultados adversos y un beneficio predicho computacionalmente menor en inmunoterapia....
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Los autores declaran que no tienen intereses en competencia.
Los autores agradecen a los pacientes y sus familias por su participación en este estudio. Los autores también reconocen a los colaboradores de las bases de datos TCGA, GEO y HPA por hacer sus datos disponibles públicamente. Esta investigación fue financiada por el Programa Clave de Investigación y Desarrollo de la Provincia de Jiangxi (número de concesión 20223BBG71009) y por la Fundación Nacional de Ciencias Naturales de China (números de concesión 81860379 y 82160410).
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
| Nombre | Empresa | Número de catálogo | Comentarios |
|---|---|---|---|
| Células A549 | CCL-185 | ATCC | |
| anticuerpo anti-GAPDH | M1310-2 | Huaan Biotechnology | |
| anticuerpo anti-SHMT2 | D197021 | Sangon Biotech | |
| Células BEAS-2B | CRL-9609 | ATCC | |
| Kit de conteo celular-8 (CCK-8) | K1018 | APExBIO | |
| Base de datos: TCGA / GDC | Accedido 2025-12-18 | National Cancer Institute (NCI) | |
| Base de datos: GEO | Accedido 2025-12-20 | NCBI | |
| Base de datos: HMDB | Accedido 2025-12-12 | Base de datos del metaboloma humano | |
| Base de datos: KEGG | Accedido 2025-12-11 | Kanehisa Laboratories | |
| Base de datos: Human Protein Atlas | Protein Atlas | ||
| Base de datos: GDSC | versión 2023-12 | Sanger Institute | |
| Base de datos: Ensembl | 2025-12 | EMBL-EBI | |
| Base de datos: TCIA | Accedido 2025-12-10 | The Cancer Immunome Atlas | |
| Células H1299 (NCI-H1299) | CRL-5803 | ATCC | |
| anticuerpo secundario conjugado con HRP | D110087 | Sangon Biotech | |
| HiScript II Q Select RT SuperMix | KR116 | Tiangen Biotech | |
| Sistema LightCycler 480 | 5015278001 | Roche | |
| Leche descremada | Reactivo común de laboratorio | BD (o según se utilice) | |
| Membrana de PVDF, 0.22 µm | GVHP00010 (o reactivo común de laboratorio) | MilliporeSigma (o según se utilice) | |
| Paquete R: pRoloc | 1.40.0 | Bioconductor | |
| Paquete R: TCGAbiolinks | 2.26.0 | Bioconductor | |
| Paquete R: survival | 3.4-0 | CRAN | |
| Paquete R: survminer | 0.4.9 | CRAN | |
| Paquete R: timeROC | 1.0.4 | CRAN | |
| Paquete R: DESeq2 | 1.38.1 | Bioconductor | |
| Paquete R: ggplot2 | 3.4.4 | CRAN | |
| Paquete R: pheatmap | 1.0.12 | CRAN | |
| Paquete R: clusterProfiler | 4.6.2 | Bioconductor | |
| Paquete R: org.Hs.eg.db | 3.16.0 | Bioconductor | |
| Paquete R: estimate | 1.0.13 | Bioconductor / GitHub | |
| Paquete R: CIBERSORT | 1 | (script R independiente) | |
| Paquete R: corrplot | 0.92 | CRAN | |
| Paquete R: TIDE | 0.3.0 | Paquete R | |
| Paquete R: oncoPredict | 1.1.1 | CRAN / GitHub | |
| Paquete R: GEOquery | 2.66.0 | Bioconductor | |
| Paquete R: Seurat | 4.3.0 | CRAN | |
| Paquete R: SingleR | 1.10.0 | Bioconductor | |
| Paquete R: scran | 1.26.0 | Bioconductor | |
| Mezcla maestra qPCR con SYBR Green (Universal) | HY-K0501A | MedChemExpress (MCE) | |
| Reactivo universal TRIzol | DP424 | Tiangen Biotech |
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.