Method Article

Decodificando o Epitranscriptoma: Insights In Silico sobre a Rede Reguladora M6A no Câncer 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 apresenta uma abordagem para realizar análises genéticas, moleculares e prognósticas in silico de reguladores de modificação m6A, integrando perfis de mutação, alterações no número de cópias, expressão gênica e resultados clínicos usando conjuntos de dados públicos do Atlas do Genoma do Câncer (TCGA), do projeto Genotype-Tissue Expression (GTEx) e das plataformas de microarrays.

Abstract

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

A N6-metiladenosina (m6A) é a modificação interna de RNA mais abundante em transcritos eucarióticos e desempenha um papel crítico no metabolismo do RNA, expressão gênica e homeostase celular. A desregulação dos reguladores m6A, incluindo "escritores", "borrachas" e "leitores", tem sido cada vez mais implicada na biologia do câncer; No entanto, seus papéis abrangentes no câncer de mama ainda precisam ser compreendidos. O objetivo principal deste artigo sobre métodos é fornecer aos iniciantes em bioinformática uma estrutura passo a passo para utilizar conjuntos de dados públicos de câncer para realizar análises mutacionais, avaliar alterações na expressão gênica e examinar suas associações com a sobrevivência dos pacientes. Como estudo de caso, reguladores m6A no câncer de mama foram analisados usando conjuntos de dados do Atlas do Genoma do Câncer (TCGA), do projeto Genotype-Tissue Expression (GTEx) e de plataformas de microarrays. Perfis transcriptômicos foram sistematicamente analisados para demonstrar fluxos de trabalho para avaliar a relevância prognóstica dos componentes regulatórios do m6A no câncer de mama. Usando essa estrutura analítica, padrões distintos de alterações genéticas e expressão diferencial entre reguladores-chave do m6A foram identificados. Vários reguladores, incluindo METTL14, CBLL1, YTHDC1, HNRNPC, HNRNPA2B1 e RBMX, estiveram associados a uma melhor sobrevivência dos pacientes, enquanto o YWHAG esteve associado a uma sobrevivência geral ruim. Este estudo oferece uma visão geral abrangente da genômica de sistemas dos genes reguladores m6A no câncer de mama, ao mesmo tempo em que demonstra um fluxo de trabalho prático e reprodutível de bioinformática baseada na web. Esses achados avançam a compreensão da regulação epitranscriptômica no câncer de mama e oferecem uma base para o desenvolvimento de novas estratégias diagnósticas e terapêuticas baseadas em m6A.

Introduction

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

Modificações epitranscriptômicas representam uma camada importante de regulação gênica pós-transcricional e contribuem para diversos processos celulares e estados de doença. Entre mais de 170 modificações de RNA identificadas até o momento, a N6-metiladenosina (m6A) é a mais prevalente e bem caracterizada nos mRNAseucarióticos 1. Instalado por complexos "escritores" incluindo METTL3/METTL14, removido por "borrachas" incluindo FTO e ALKBH5, e interpretado por proteínas "leitoras" incluindo membros das famílias YTH e IGF2BP, o m6A orquestra a emenda, estabilidade, transporte e tradução do RNA, influenciando assim processos biológicos chave como desenvolvimento, diferenciação e resposta aoestresse 2,3.

Alterações nos componentes regulatórios do m6A foram relatadas em um amplo espectro demalignidades 4. Em muitos cânceres, a atividade aberrante de m6A impulsiona fenótipos malignos; por exemplo, a expressão elevada de METTL3 promove a iniciação e progressão do câncer de próstata ao modular a via do ouriço e a metilação do RNAMYC 5,6. Inicialmente identificada como implicada no exercício de efeitos oncogênicos na leucemia mieloide aguda, a FTO demonstrou impulsionar a progressão tumoral em cânceres de fígado, pulmão e colorretal 7,8,9,10. No entanto, foram identificados papéis dependentes do contexto de FTO e ALKBH5 que ilustram a natureza dupla da regulação mediada por m6A, que pode promover tanto a sinalização oncogênica quanto a supressoratumoral 11,12,13,14. Leitores M6A, incluindo YTHDF1/2/3, ribonucleoproteínas nucleares heterogêneas (hnRNPs) e proteínas ligadoras ao fator de crescimento semelhante à insulina-2 (IGF2BP1-3), também foram encontrados associados àcarcinogênese 15,16,17.

No câncer de mama, evidências crescentes sugerem que os reguladores do m6A frequentemente são desregulados e podem estar associados a subtipos tumorais, características imunológicas e desfechosclínicos 18,19. Diversos estudos mecanicistas posicionam o METTL3 como um fator pró-oncogênico frequentemente aumentado no câncer de mama. A instalação de m6A mediada por METTL3 pode estabilizar ou potencializar a tradução de transcritos que promovem proliferação, transição epitelial-mesenquimatar (EMT), metástase equimiorresistência 20. O METTL3 também demonstrou promover a progressão do câncer de mama ao direcionar oBcl-22 21. O ALKBH5 tem sido implicado na regulação de programas de stemness do câncer por meio do NANOG e outras moléculas relacionadas à stemness, mas seu impacto pode variar conforme o contextotumoral 22.

À medida que a lista de reguladores do m6A continua se expandindo nos últimos anos, é necessária uma atualização sobre como os reguladores recém-identificados podem estar desregulados no câncer de mama. A Tabela 1 fornece uma lista de reguladores m6A que incluem escritores, leitores e borrachadores da modificação m6A. Além disso, novos reguladores do m6A, incluindo LRPPRC e YWHAG, foram identificados com implicações na progressão do câncer23, 24 e 25. Portanto, foi realizada uma caracterização genética e molecular abrangente de todos os reguladores m6A conhecidos no câncer de mama, utilizando ferramentas que podem ser empregadas por pesquisadores com conhecimento limitado em bioinformática.

O objetivo deste artigo de Métodos é apresentar um protocolo de bioinformática baseado em plataforma passo a passo para analisar reguladores m6A no câncer de mama, utilizando recursos públicos de genômica do câncer. Utilizando conjuntos de dados do The Cancer Genome Atlas (TCGA) (www.cancer.gov/tcga), do projeto Genotype Tissue Expression (GTEx) 26 e plataformas analíticas baseadas na web como cBioPortal e UCSC Xena, este protocolo demonstra fluxos de trabalho reprodutíveis para avaliar perfis mutacionais, alterações na expressão gênica e associação com a sobrevivência do paciente. Essa abordagem visualizada e acessível tem como objetivo facilitar a adoção da análise de dados epitranscriptômicos por pesquisadores iniciantes em bioinformática do câncer.

Protocol

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

NOTA: A lista de genes que codificam reguladores de metilação m6A, categorizados como escritores, leitores e borrachas, é apresentada na Tabela 1. Todos os genes listados foram incluídos nas análises subsequentes de mutações, padrões de expressão e sobrevivência geral. Todos os softwares e ferramentas utilizados neste estudo estão listados na Tabela de Materiais.

1. Identificação de alterações genéticas em reguladores m6A

  1. Acesse o cBioPortal para genômica do câncer. Navegue até o site do cBioportal (www.cbioportal.org)27,28. Na página inicial, selecione a aba "Consulta" para iniciar uma nova análise.
  2. Selecione o estudo e a coorte de câncer apropriados.
  3. Na barra de busca "Selecionar Estudos para Visualização e Análise", digite "Carcinoma Invasivo da Mama" e selecione "Carcinoma Invasivo da Mama (TCGA, Pan-Cancer Atlas)".
  4. Na parte inferior, selecione "Consulta por Gene".
    CRÍTICO: Certifique-se de que a coorte selecionada (996 amostras) inclua dados tanto de mutação quanto de alteração de número de cópias (CNA).
  5. Defina a consulta genética. Na seção "Enter Genes", insira os símbolos do gene HUGO para a lista completa de reguladores m6A em investigação.
    NOTA: Os genes podem ser inseridos como uma lista separada por espaços. Em "Selecionar Perfis Genômicos", certifique-se de que os seguintes dois tipos de dados estejam verificados: Mutações e Alterações de Número de Cópia.
  6. Em "Selecionar Paciente/Conjunto de Casos", escolha o conjunto de amostras padrão que corresponde à coorte com todos os casos de perfil.
  7. Clique no botão azul "Enviar Consulta".
  8. Recupere e interprete os dados de alteração genética. Ao enviar, o resultado será carregado na aba "resumo". A visualização central "OncoPrint" fornece uma visão imediata das alterações genéticas em todos os genes consultados na coorte, que pode ser baixada.
  9. Ao lado do OncoPrint, localize o gráfico "Resumo do Tipo de Câncer". Isso fornece uma divisão quantitativa das alterações entre subtipos de câncer de mama.
  10. Realize uma análise pan-câncer. Retorne à página inicial do cBioPortal e selecione "TCGA PanCancer Atlas Studies" na aba "Consulta".
  11. Na caixa de entrada do gene, insira a mesma lista de genes reguladores m6A.
  12. Clique em "Enviar Consulta" e, na página de resultados, navegue até a aba "Resumo dos Tipos de Câncer". Isso oferece uma visão pan-câncer.

2. Análise transcriptômica comparativa de reguladores m6A usando UCSC Xena.

  1. Acesse a plataforma Xena da UCSC. Acesse o site da UCSC Xena (https://xena.ucsc.edu)29.
  2. Na página inicial, clique no botão "Iniciar Xena" para acessar o navegador principal de análise.
  3. No navegador Xena, clique em "DATA SETS".
  4. Entre os conjuntos de dados, selecione "TCGA TARGET GTEx". Este contém dados de RNA-Seq processados uniformemente dos tecidos normais dos projetos TCGA e GTEx.
  5. Na próxima página, clique em "VISUALIZAR".
  6. Defina a variável fenótipo (grupo amostral). Na seção "Selecione sua Primeira Variável", selecione "Categoria Principal" no tipo de dado fenotípico.
  7. Clique em "PARA SEGUNDA VARIÁVEL". Depois, no tipo de dado Genômico, marque "Expressão Gênica" no conjunto de dados. Adicione a lista de genes na caixa "Adicionar Gene ou Posição". Clique em "Pronto".
  8. Visualize padrões de expressão com um mapa de calor.
  9. Para separar as amostras de mama (TCGA+GTEx) do TCGA TARGET GTEx, digite "Mama" e use a opção de filtro para manter as amostras.
  10. O mapa de calor agora está visível e pode ser baixado em PDF.
  11. Gerar gráficos de caixa comparativos para genes individuais. Para quantificar e visualizar diferenças de expressão para um gene específico, use o "Ver como gráfico". Usando essa opção, os dados podem ser visualizados como um diagrama de caixa, um gráfico de pontos e um gráfico de violino, comparando a distribuição de expressões entre os dois grupos de amostras.
  12. Use a opção "Download as PDF" para baixar as paradas.
  13. A significância estatística (valor-p) pode ser obtida clicando em "ESTATÍSTICAS".

3. Avaliação da importância prognóstica dos reguladores m6A usando o Plotter Kaplan-Meier.

  1. Acesse a ferramenta Kaplan-Meier Plotter. Navegue até o site do Kaplan-Meier Plotter (https://kmplot.com/analysis)30.
  2. Na página inicial, selecione a aba "câncer de mama" para iniciar uma análise específica para conjuntos de dados de câncer de mama.
  3. Configure a consulta de genes para um único gene.
  4. Na seção de entrada principal, localize a caixa "Símbolo do gene".
  5. Insira o símbolo oficial do gene regulador m6A a ser analisado (por exemplo, METTL3).
    CRÍTICO: Logo abaixo da caixa de entrada do gene, localize e ative a caixa de seleção "Only JetSet best probe set". Isso garante que a sonda de microarray mais confiável e específica seja automaticamente selecionada para o seu gene, otimizando a qualidade e a reprodutibilidade dos dados.
  6. Defina os parâmetros da análise de sobrevivência. Na seção "Sobrevivência", selecione "Sobrevivência geral (OS)" como o ponto final principal desta análise. A ferramenta utilizará automaticamente dados de 1880 pacientes com câncer de mama quando essa configuração for selecionada.
  7. Certifique-se de que a opção "Dividir pacientes por" esteja definida como "mediana". Isso estratificará os pacientes em dois grupos iguais; alta e baixa expressão, baseadas no valor mediano de expressão do gene consultado em todas as amostras.
  8. "Limiar de acompanhamento" pode ser usado para selecionar o período de acompanhamento. Para este estudo, foram selecionados 180 meses.
  9. Gerar e interpretar o Gráfico de Kaplan-Meier.
  10. Clique no botão "Desenhar Enredo de Kaplan-Meier".
  11. Uma nova janela será carregada, exibindo a curva de sobrevivência.
  12. Interprete os principais elementos da trama; O eixo X indica o tempo em meses, o eixo Y mostra a probabilidade de sobrevivência geral, as duas linhas coloridas representam as curvas de sobrevivência para os grupos de pacientes de alta expressão (vermelho) e baixa expressão (preto). O valor P de ordem logarítmica é exibido, indicando a significância estatística da diferença entre as duas curvas de sobrevivência.

Results

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

Paisagem mutacional dos reguladores de metilação de m6a no câncer de mama

Em um estudo anterior sobre análise genômica de conjuntos de dados TCGA, mutações recorrentes em vários genes que codificam reguladores da metilação do DNA foramrelatadas 31. No presente estudo, o cBioPortal foi utilizado para analisar o conjunto de dados "Breast Invasive Carcinoma (TCGA, PanCancer Atlas)" para examinar perfis mutacionais dos genes que codificam os escritores, leitores e borrachas da metilação do RNA m6A. Essa análise revelou diversas alterações genéticas entre pacientes com câncer de mama, com frequências de alteração variando substancialmente entre os genes — de 0,4% no CNBP e RBM15B até 12% no VIRMA (Figura 1A). A amplificação gênica representou a alteração mais comum, enquanto eventos adicionais incluíram deleções profundas, substituições de bases e múltiplas alterações concomitantes. Notavelmente, alterações nos genes que regulam funções relacionadas ao m6A foram detectadas em 476 pacientes (48% da coorte) (Figura 1B), ressaltando a importância da dinâmica da modificação do m6A no câncer de mama. Embora a frequência dos diferentes tipos de alteração variasse, tais mutações foram observadas em todos os subtipos moleculares de câncer de mama (Figura 1C). Para validação, PIK3CA, TP53, CDH1 e GATA3 foram incluídos como genes de controle de referência (Figura 1A). De forma notável, alterações na máquina regulatória do m6A não se restringiram ao câncer de mama. A análise de 10.967 amostras de 10.953 pacientes de 32 estudos do TCGA Pan-Cancer Atlas revelou padrões mutacionais conservados em uma ampla variedade de tipos de câncer. Foi demonstrado recentemente que a via m6A é frequentemente alterada no câncer de próstata (PCa) e, no geral, exerce um papel pró-oncogênico32. Esses achados indicam que mutações que afetam genes que codificam os escritores, leitores e borrachas da modificação do RNA m6A são características comuns em múltiplos tipos de câncer (Figura 2).

Perfis de expressão gênica aberrantes no câncer de mama

Evidências emergentes destacam as perturbações transcriptômicas como contribuidoras chave para a tumorigênese, com expressão gênica aberrante oferecendo potencial como biomarcadores no câncer de mama. Para investigar isso, os níveis de transcritos dos genes que regulam a modificação do m6A foram analisados usando dados do TCGA e do projeto Genotype Tissue Expression (GTEx) representando tecido mamário normal. Como ilustrado na Figura 3A, vários genes associados a m6A apresentaram desregulação significativa em amostras de câncer de mama. Tanto a regulação para cima quanto para a baixa foram observadas nos tecidos tumorais em comparação com os controles normais. METTL3 e WTAP, ambos componentes do complexo escritor, foram regulados para baixo entre outros genes, enquanto vários outros genes, incluindo VIRMA, YTHDF1 e YTHDF3, foram regulados para cima. A Figura 3B delimita ainda mais os perfis diferenciais de expressão dos genes individuais entre as coortes TCGA e GTEx. Coletivamente, esses achados indicam que genes que codificam escritores, leitores e borrachadores de metilação m6A sofrem uma desregulação transcricional extensa no câncer de mama, ressaltando sua potencial relevância na progressão da doença.

Genes da maquinaria m6A e seu papel no prognóstico do paciente

Após a observação de que alterações genéticas e mudanças na expressão gênica são altamente prevalentes entre pacientes com câncer, foi investigada a relevância prognóstica dessas mudanças de expressão no câncer de mama. Utilizando a ferramenta Kaplan-Meier (KM)Plotter 30, que integra conjuntos de dados de microarrays, a sobrevivência geral (OS) foi avaliada em uma coorte de 1880 pacientes com câncer de mama de acordo com a expressão dos genes reguladores m6A. Essa análise revelou que a expressão elevada de METTL14, CBLL1, YTHDC1, HNRNPC, HNRNPA2B1 e RBMX esteve significativamente associada à melhora da sobrevivência geral. Em contraste, a superexpressão do YWHAG correlacionou-se com desfechos de sobrevivência pobres (Figura 4). Como controles, CCND2 e TOP2A, marcadores conhecidos de melhor e ruim prognóstico, respectivamente, foram incluídos. Outros genes que codificam reguladores m6A não apresentaram correlações estatisticamente significativas com a sobrevivência do paciente (figura suplementar). Esses achados destacam um subconjunto de genes reguladores da metilação m6A com potencial utilidade na prognóstica do câncer de mama.

figure-results-1
Figura 1: Alterações genéticas em genes de escritores, leitores e borrachas m6A no câncer de mama. (A) A distribuição das alterações entre 996 pacientes com câncer de mama é mostrada, com cada linha cinza representando um caso individual. As barras codificadas por cores indicam diferentes tipos de alteração, incluindo mutações missentido, deleções profundas, amplificações, mutações no quadro e mutações truncantes. Genes bem caracterizados, PIK3CA, TP53, CDH1 e GATA3, estão incluídos como controles positivos devido às frequências de mutação estabelecidas. (B) Frequência geral de alteração para genes reguladores m6A em toda a coorte de pacientes. (C) Padrões de alteração genética em genes reguladores m6A por subtipos de câncer de mama. Por favor, clique aqui para ver uma versão ampliada desta figura. 

figure-results-2
Figura 2: Frequência de alterações genéticas em genes que codificam escritores, leitores e borrachas m6A em diversos tipos de câncer. A análise é baseada em dados do atlas pan-câncer TCGA, que compreende 10.967 amostras de 10.953 pacientes distribuídos por 32 estudos sobre câncer. Por favor, clique aqui para ver uma versão ampliada desta figura. 

figure-results-3
Figura 3: Anomalias de expressão em genes que codificam escritores, leitores e borrachas m6A. (A) A superexpressão (barras vermelhas) e a subexpressão (barras azuis) de todos os genes são exibidas. Dados do GTEx e TCGA foram usados para comparar amostras normais versus câncer de mama. (B) Esta figura apresenta uma comparação da expressão gênica individual em pacientes normais e com câncer de mama. Xena utiliza o teste t de Welch para determinar os valores p de cada gene. Por favor, clique aqui para ver uma versão ampliada desta figura.

figure-results-4
Figura 4: Perfis de expressão de escritores, leitores e apagadores de m6A e sua associação com o prognóstico no câncer de mama. As curvas de sobrevivência de Kaplan-Meier representam a sobrevivência geral do paciente, com o eixo X indicando tempo (meses) e o eixo Y mostrando a probabilidade geral de sobrevivência. Linhas vermelhas representam o grupo de alta expressão, enquanto linhas pretas representam o grupo de baixa expressão. Os pacientes foram estratificados com base nos níveis medianos de expressão gênica. os valores p foram determinados usando o teste de Log-Rank. Por favor, clique aqui para ver uma versão ampliada desta figura.

Figura suplementar: Os membros dos reguladores m6A não apresentam correlação significativa com a sobrevivência geral do paciente, como mostrado pelas curvas de sobrevivência de Kaplan-Meier. Linhas vermelhas representam o grupo de alta expressão, enquanto linhas pretas representam o grupo de baixa expressão. Por favor, clique aqui para baixar este arquivo.

TipoSímbolo Genético
EscritoresMETTL3
METTL14
ZC3H13
WTAP
RBM15
RBM15B
METTL16
CBLL1
KIAA1429/VIRMA
LeitoresYTHDF1
YTHDF2
YTHDF3
YTHDC1
YTHDC2
HNRNPA2B1
HNRNPC
HNRNPG/RBMX
IGF2BP1
IGF2BP2
IGF2BP3
CNBP
ELAVL1
SND1
PRRC2A
PRRC2B
PRRC2C
EIF3A
FMR1
FXR1
FXR2
LRPPRC
MSI2
BorrachasALKBH5
FTO

Tabela 1: Genes codificando escritores, leitores e borrachas do m6A. A Tabela 1 apresenta uma visão geral das principais famílias gênicas responsáveis por instalar, reconhecer e remover a modificação m6A no RNA eucariótico.

Discussion

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

O artigo deste Método oferece um fluxo de trabalho abrangente, acessível e integrado para o perfil multiômico sistemático e a tradução clínica de qualquer assinatura gênica em pesquisa do câncer, demonstrado aqui pela análise dos reguladores de metilação de RNA m6A em câncer de mama. Ao combinar essas principais plataformas públicas de bioinformática, essa abordagem permite que pesquisadores progridam eficientemente da descoberta genômica para hipóteses clinicamente relevantes, sem exigir expertise computacional avançada.

A principal força dessa metodologia é seu pipeline modular e gerador de hipóteses. O protocolo guia o usuário por uma sequência lógica; primeiro identificando quais genes são geneticamente alterados (usando cBioPortal), depois avaliando a desregulação da expressão em um ambiente corrigido por lotes (usando UCSC Xena) e, finalmente, avaliando o impacto clínico dessa desregulação na sobrevivência do paciente (usando o Plotter de Kaplan-Meier). Essa análise etapa, do DNA ao RNA e ao resultado clínico, prioriza efetivamente genes candidatos para estudos posteriores. Por exemplo, aplicar esse fluxo de trabalho aos reguladores m6A identificou eficientemente genes como YWHAG (alteração frequente, prognóstico para baixa sobrevivência) como alvos de alta prioridade para validação funcional.

O design do protocolo para análise pan-cancerígena aumenta ainda mais sua utilidade, permitindo que pesquisadores determinem rapidamente se uma assinatura molecular é específica de um câncer ou uma característica compartilhada da tumorigênese, como foi observado com alterações generalizadas na maquinaria m6A neste estudo. A análise pan-câncer revelou que mutações que afetam escritores, leitores e borrachas de m6A não se limitam ao câncer de mama, mas são compartilhadas entre múltiplas malignidades. Isso está alinhado com o acúmulo de evidências de que a regulação aberrante do m6A é uma característica distintiva da oncogênese em diversos tipos de tumores, pois influencia múltiplas características do câncer e processos fisiológicos, incluindo a emenda do RNA, estabilidade, translação e atividade de RNAnão codificante 33.

Essa abordagem metodológica é altamente adaptável. Embora demonstrado com reguladores m6A, o mesmo fluxo de trabalho pode ser aplicado imediatamente para caracterizar genes de checkpoint imunológico, enzimas metabólicas ou novas assinaturas genéticas de experimentos RNA-seq em qualquer tipo de câncer disponível nesses bancos de dados. Esse formato passo a passo reduz a barreira para que cientistas de laboratório úmido realizem análises in silico sofisticadas, acelerando a transição de dados genômicos para insights biológicos.

Em conclusão, esse protocolo fornece uma estrutura robusta para a contextualização de genes relacionados ao câncer. Além de delinear o cenário mutacional, os achados revelaram mudanças de expressão bidirecionais nos reguladores do m6A. Essa descoberta ressalta a complexidade do epitranscriptoma e reforça o paradigma estabelecido de função dependente do contexto, exemplificado pelos papéis duplos relatados para as proteínas das famílias METTL3 e YTHDF em diferentescânceres 34,35. O eixo m6A também demonstrou desempenhar um papel na regulação da proliferação, metástase e evasão imune em câncer de mama triplo negativo36,37. Curiosamente, a análise de sobrevivência identificou um subconjunto de reguladores m6A com significado prognóstico. A expressão elevada de METTL14, CBLL1, YTHDC1, HNRNPC, HNRNPA2B1 e RBMX esteve associada a desfechos favoráveis, enquanto a expressão de YWHAG se correlacionou com baixa sobrevivência geral. Esses achados apoiam a utilidade clínica potencial dos reguladores m6A como biomarcadores prognósticos. CBLL1 também foi identificado como um dos fatores com prognóstico favorável em um estudoanterior 38. No entanto, a análise atual que incorpora membros atualizados dos reguladores do m6A identificou membros adicionais, como RBMX e YWHAG, com sobrevivência geral melhor e pior, respectivamente. A observação de que reguladores distintos podem prever prognóstico adverso ou favorável ressalta as funções duplas e específicas do contexto das modificações do m6A na biologia do câncer. Embora YTHDF1 e YTHDF3 sejam significativamente regulados para cima em tumores, sua falta de correlação com a sobrevivência geral pode refletir redundância funcional entre os leitores, papéis dependentes do contexto entre subtipos de câncer ou a necessidade de considerar sua razão ou a rede regulatória líquida de m6A, em vez dos níveis individuais de expressão. Além disso, embora o VIRMA tenha apresentado a maior frequência de alteração (12%, principalmente amplificação), sua expressão não correlacionou significativamente com a sobrevivência geral no câncer de mama. Uma possível explicação é que a expressão do VIRMA hIgh indica apenas um potencial elevado para deposição de m6A, e não se os leitores posteriores ou mRNAs-alvo necessários estão presentes para traduzir isso em comportamento tumoral agressivo. Notavelmente, enquanto YTHDF1 e YTHDF3 foram superexpressos na coorte, YTHDC1 e YTHDC2 foram significativamente regulados em baixa. Esse padrão de expressão desalinhado sugere que a combinação funcional de escritores e leitores específicos necessários para a saída oncogênica pode não ser operativa no câncer de mama. Assim, apesar de sua alta expressão, o VIRMA pode não servir como um fator dominante nesse contexto (Figura suplementar).

Os autores reconhecem uma limitação primária disso in silico pipeline. As análises são inerentemente correlativas; Eles identificam associações fortes, mas não estabelecem causalidade mecanicista. Essa causalidade pode ser estabelecida por meio da genômica funcional ou usando inibidores de pequenas moléculas que visam componentes da viam6A 39. Notavelmente, o primeiro inibidor de peptídeo que direciona METTL3, RSM3, foi recentemente desenvolvido e demonstrou potencial anticâncer em modelos de câncer de próstata in vivo40. Esse fluxo de trabalho metodológico, portanto, representa uma ferramenta valiosa para identificar alvos candidatos e estratificar as populações de pacientes mais propensas a se beneficiar dessas intervenções terapêuticas.

Disclosures

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

Partes deste manuscrito foram revisadas com a ajuda de ferramentas linguísticas baseadas em IA para melhorar a clareza e a legibilidade. Todo o conteúdo substantivo, interpretação, análises e conclusões são da responsabilidade dos autores. Declaramos que não há conflito de interesses.

Acknowledgements

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

Uma bolsa da Alfaisal University (IRG 25450) para a RM é felizmente reconhecida.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
cBioPortalCentro Memorial de Câncer Sloan-Ketteringhttps://www.cbioportal.org
Expressão Genótipo-Tecido (GTEx)Consórcio GTExhttps://gtexportal.org
Kaplan-Meier PlotterGyorffy lab/A5 Genetics Ltdhttps://kmplot.com
O Atlas do Genoma do Câncer (TCGA)Instituto Nacional do Câncer (NCI)https://www.cancer.gov/tcga
Navegador Xena da UCSCUniversidade da Califórnia em 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