Mutaciones de la línea germinal y sus aplicaciones clínicas en el cáncer

En las últimas décadas, los investigadores se han centrado principalmente en las mutaciones somáticas del cáncer, mientras que las mutaciones de la línea germinal han sido ampliamente ignoradas. El cáncer es un acontecimiento estocástico que surge de la adquisición de múltiples mutaciones somáticas; por lo tanto, la justificación científica para dirigirse a estas mutaciones y caracterizarlas está perfectamente fundada. Sin embargo, aunque estamos de acuerdo con este concepto en un sentido general, creemos que es parcialmente incompleto. Uno de los principales factores de riesgo en el cáncer son los antecedentes familiares (o las mutaciones hereditarias de la línea germinal). Las mutaciones de la línea germinal heredadas de generaciones anteriores actúan como predisposiciones en los individuos, aumentando su susceptibilidad a desarrollar cáncer. Una multitud de estudios ya han vinculado diversas predisposiciones de la línea germinal en muchos genes (BRCA1, BRCA2, PTEN, TP53, KRAS, APC, etc.), lo que sugiere que las mutaciones de la línea germinal también influyen en la evolución de los tumores . Sin embargo, todavía muchas bases de datos públicas, como el ICGC, tienen muy poca información sobre las mutaciones de la línea germinal (8857 perfiles de la línea germinal frente a 62329 somáticos). Hace varios años, propusimos que las variantes genéticas preexistentes podrían desempeñar un papel importante en la formación o selección de las mutaciones somáticas, de modo que los genes mutados seleccionados podrían funcionar junto con las variantes genéticas preexistentes para impulsar la transformación de una célula normal en una célula cancerosa. Las pruebas de nuestros estudios más recientes demuestran que las mutaciones heredadas de la línea germinal no sólo aumentan la susceptibilidad al riesgo de cáncer, sino que también actúan como moduladores a la hora de configurar la evolución de los tumores. Hemos demostrado que las variantes funcionales heredadas de los pacientes con cáncer de mama predijeron significativamente la recurrencia del tumor y el riesgo de desarrollar cáncer de mama, cerebral y otros. Además, hemos demostrado que las variantes funcionales heredables en las células asesinas naturales (es decir, las células asesinas naturales, un tipo de célula inmunitaria) en pacientes con cáncer afectaban a los linfocitos infiltrados en el tumor (TIL) y a la supervivencia . Estos resultados aportan una visión que cambia el paradigma sobre las funciones de los genomas de la línea germinal en el cáncer. En las últimas décadas, sólo una pequeña fracción de los casos de cáncer se ha explicado por disposiciones de la línea germinal; por ejemplo, una mutación de la línea germinal en BRCA1/2 se encuentra sólo en el 5-10% de los pacientes con cáncer de mama y ovario. Como la penetración de otros defectos genéticos de la línea germinal es muy pequeña, su papel en el desarrollo del cáncer y la metástasis ha sido difícil de estudiar y finalmente ignorado. Adoptando un enfoque de biología de sistemas, demostramos que los genomas de la línea germinal desempeñan un papel mucho más importante en el desarrollo del cáncer y la metástasis de lo que podría haber estimado la comunidad oncológica.

Mutaciones de la línea germinal & resultado clínico

Como se ha mencionado anteriormente, hasta hace muy poco, los científicos se han centrado principalmente en las mutaciones somáticas en el cáncer. Se han realizado grandes esfuerzos, como el Catálogo de Mutaciones Somáticas en el Cáncer (COSMIC) y el TCGA, para caracterizar completamente el panorama mutacional somático en todos los tipos de cáncer. Como resultado, se han descubierto muchas firmas mutacionales para identificar varios tipos de cáncer, subtipos moleculares y el pronóstico del cáncer y han ayudado en el tratamiento del cáncer y en el uso clínico . Nuestra hipótesis inicial era que las mutaciones de la línea germinal desempeñaban un papel mucho mayor en la tumorigénesis que el de actuar simplemente como predisposición. Razonamos que el impacto colectivo de las mutaciones de la línea germinal, o más específicamente el paisaje genómico de la línea germinal de un paciente, podría inferir directamente en el paisaje mutacional somático. Aunque existe un evento de aleatoriedad para que una mutación somática específica sea adquirida por una célula, la aptitud de una mutación somática será automáticamente dependiente y seleccionada en base a su contexto germinal preexistente. En palabras más sencillas, las células cancerosas utilizan los antecedentes históricos y genéticos de su huésped para maximizar su supervivencia. Por lo tanto, el paisaje genómico de la línea germinal de un paciente podría informarnos sobre la evolución del tumor, la heterogeneidad e incluso el resultado clínico (como la recurrencia o la respuesta al tratamiento). Para poner a prueba esta hipótesis, comparamos los perfiles de la línea germinal de 755 pacientes con cáncer de mama ER+ con su estado de recurrencia. Desarrollamos un algoritmo basado en el aprendizaje automático, eTumorMetastasis, que utiliza las mutaciones funcionales de la línea germinal para identificar biomarcadores de recurrencia. Brevemente, el modelo utiliza un enfoque basado en la red para transformar la información de las variantes genéticas funcionales en una red de señalización específica del cáncer de mama ER+, a partir de la cual podemos identificar biomarcadores (o firmas de genes) utilizando el aprendizaje automático . La hipótesis subyacente es que las células cancerosas están representadas por unas pocas firmas de cáncer, cada una de ellas compuesta por unas pocas redes moleculares/de señalización. Propusimos que las «firmas operativas de la red» representan las lógicas/fuerzas reguladoras de los genes que nos permiten cuantificar las transiciones de estado y medir los rasgos distintivos. Así, los conjuntos de alteraciones genómicas asociados a las firmas operativas de la red podrían vincularse al estado/medida de los rasgos distintivos. La firma operativa de red transforma los datos genotípicos (es decir, las alteraciones genómicas) en perfiles fenotípicos reguladores (es decir, las lógicas/fuerzas reguladoras) y, a continuación, en perfiles fenotípicos celulares (es decir, los rasgos distintivos) que conducen a perfiles fenotípicos clínicos (es decir, una colección de rasgos distintivos). Se pueden encontrar más detalles sobre estos conceptos en Wang et al. . Los biomarcadores aquí son las firmas operativas de la red. Sorprendentemente, fuimos capaces de predecir muestras de bajo riesgo con una precisión de hasta el 94%. Teniendo en cuenta que las mutaciones de la línea germinal pueden obtenerse a partir de la secuenciación de una muestra de sangre o saliva, esto proporciona una nueva vía en un entorno clínico en el que las mutaciones de la línea germinal podrían utilizarse para clasificar a los pacientes en el momento del diagnóstico de una manera no invasiva, lo que permitiría a los médicos no sobretratar a los pacientes.

Implicaciones de la línea germinal en el sistema inmunológico

Siguiendo los resultados de predicción del riesgo de recurrencia, analizamos a fondo nuestras firmas genéticas. El análisis de enriquecimiento reveló interesantes correlaciones entre los genes de la firma y los sistemas inmunitarios (principalmente el procesamiento de antígenos, la estimulación de células T y las células NK) . Por lo tanto, planteamos la hipótesis de que las mutaciones de la línea germinal podrían deteriorar los genes leucocitarios antes de la tumorigénesis, lo que llevaría a una respuesta inmunitaria debilitada. Basándonos en las predicciones de recurrencia, comparamos la expresión de metagenes leucocitarios así como las fracciones de células leucocitarias entre ambos grupos predichos. Estos resultados pusieron de manifiesto que las mutaciones de la línea germinal ya predisponen al sistema inmunitario de los pacientes, lo que conduce a una respuesta inmunitaria más débil que, a su vez, promueve un microentorno más favorable para la tumorigénesis y aumenta el riesgo de recaída de los pacientes.

Otro aspecto de nuestro estudio se centró en la clasificación de los microentornos inmunitarios tumorales (TIME). Curiosamente, pudimos clasificar los TIMEs en tres grupos distintos que se encuentran comúnmente en todos los tipos de cáncer: TIME-ricos (o tumores «inmunes-calientes»), TIME-intermedios (o tumores «inmunes-fríos») y TIME-pobres (o tumores «inmunes-desiertos») . Al comparar la genómica de la línea germinal de los tres grupos TIME, descubrimos que el número de genes heredados defectuosos relacionados con las células NK se correlacionaba negativamente con la supervivencia de los pacientes y la abundancia de TIL en los TIME, lo que sugiere que los defectos heredados en las células NK por sí solos eran suficientes para configurar el reclutamiento de TIL y, por tanto, el resultado clínico y la respuesta a la inmunoterapia. Estos resultados tienen importantes implicaciones en la identificación de individuos de alto riesgo basada en los genomas de la línea germinal y en los enfoques actuales de inmunoterapia. La transferencia adoptiva de células NK sanas, combinada con terapias de células T anti-PD-1 o de receptores de antígenos quiméricos (CAR), permitiría una conversión de tumores TIME-intermedios y TIME-pobres en tumores TIME-ricos, mejorando la supervivencia de los pacientes.

Mirando al futuro

La secuenciación de alto rendimiento ha creado un cambio en la medicina tradicional. La secuenciación del exoma completo es ahora muy asequible, lo que está dando lugar a una enorme cantidad de datos disponibles. Como resultado, se están secuenciando extensamente cohortes masivas de hospitales. Sin embargo, uno de los principales problemas de la medicina personalizada es la capacidad de utilizar esta información genómica y traducirla en modelos predictivos o pruebas genómicas que puedan utilizarse en las clínicas a diario. En nuestro trabajo anterior, hemos demostrado que las mutaciones de la línea germinal tienen una fuerte correlación con el resultado de los pacientes, que el paisaje genético de la línea germinal modula la tumorigénesis y la recurrencia y que este paisaje está enriquecido en genes relacionados con el sistema inmunológico que afectan directamente a los TIEMAS. En conjunto, nuestros resultados sugieren que los genomas de la línea germinal, los biomarcadores o incluso el perfil TIME podrían utilizarse en el pronóstico o el diagnóstico del cáncer. A diferencia de la expresión génica, la información genética de la línea germinal puede obtenerse a partir de una muestra de sangre o saliva sencilla y no invasiva. En los protocolos actuales de cáncer de mama, si las pacientes cumplen los criterios, los médicos utilizan OncotypeDx para medir el riesgo de recidiva y/o si las pacientes se beneficiarán del tratamiento de quimioterapia adyuvante, lo que conduce a un ajuste óptimo por individuo. Hasta ahora, las pruebas genéticas de la línea germinal apenas se utilizan y suelen centrarse en un pequeño panel de genes. Prevemos que las pruebas genéticas de la línea germinal del exoma completo podrían utilizarse de forma similar a OncotypeDx, lo que proporcionaría mejoras para la medicina personalizada en áreas como la respuesta a los fármacos, el sobretratamiento y, desde un punto de vista financiero, los costes asociados a la asistencia sanitaria. Por último, también se podría minimizar la exposición del paciente a pruebas diagnósticas invasivas innecesarias, como la biopsia.

Además, la clasificación TIME también proporciona un enfoque novedoso para evaluar la clasificación del riesgo del paciente y guiar los tratamientos de inmunoterapia. Una caracterización completa de TIME también proporcionaría más conocimientos biológicos. Recientemente, los tratamientos celulares adoptivos, como la terapia de células T CAR, se han hecho cada vez más populares. Los tratamientos de inmunoterapia han demostrado que la reprogramación específica de los leucocitos (como las células T) para que se dirijan a CD19 permite al sistema inmunitario del paciente detectar y combatir las células cancerosas. A diferencia de la quimioterapia, los efectos secundarios de la inmunoterapia suelen ser manejables y no impiden la calidad de vida. El efecto secundario más grave de la terapia con células T CAR es el síndrome de liberación de citocinas (o tormenta de citocinas), en el que los pacientes sufren hipotensión e insuficiencias respiratorias causadas por un nivel elevado de citocinas en suero. Afortunadamente, el síndrome de liberación de citoquinas puede tratarse e incluso curarse con Actemra (o Tocilizumab), un nuevo fármaco aprobado por la FDA estadounidense. En la actualidad, los tratamientos de inmunoterapia se utilizan principalmente en los cánceres de la sangre (por ejemplo, la leucemia linfoblástica aguda infantil, el mieloma múltiple, el linfoma difuso de células B grandes, etc.). La terapia con células T CAR sigue siendo un tratamiento experimental en tumores sólidos, ya que el tratamiento depende principalmente de la infiltración de células T dirigidas por NK, que suele variar en función del TIEMPO. Los enriquecimientos encontrados en los genes asociados a las células NK indican posibles nuevos objetivos de inmunoterapia. La transferencia celular adoptiva con células NK proporciona una nueva estrategia para superar la infiltración tumoral. Además, a diferencia de las células T, las células NK pueden transferirse a un paciente si el donante posee un HLA similar. Las células NK podrían utilizarse de forma similar a las células T para reprogramar o reiniciar el sistema inmunitario.

En conclusión, nuestros resultados sugieren que los genomas de la línea germinal de los pacientes pueden utilizarse para evaluar el pronóstico o el diagnóstico en el cáncer. Creemos que el uso y la aplicación de la línea germinal en el cáncer representa un cambio de paradigma y podría conducir a muchas aplicaciones nuevas y no invasivas en las clínicas que conducirían a un mejor seguimiento de los pacientes con cáncer.

Declaraciones de intereses competitivos &

Los autores no tienen afiliaciones relevantes ni participación financiera con ninguna organización o entidad con un interés financiero o conflicto financiero con el tema o los materiales discutidos en el manuscrito. Esto incluye empleo, consultorías, honorarios, propiedad de acciones u opciones, testimonio de expertos, subvenciones o patentes recibidas o pendientes, o regalías.

No se utilizó asistencia de escritura en la producción de este manuscrito.

  • 1 Maistro S, Teixeira N, Encinas G et al. Mutaciones de línea germinal en BRCA1 y BRCA2 en pacientes con cáncer de ovario epitelial en Brasil. BMC Cancer 16(1), 934 (2016).Crossref, Medline, Google Scholar
  • 2 Chan SH, Lim WK, Ishak NDB et al. Germline mutations in cancer predisposition genes are frequent in sporadic sarcomas. Sci. Rep. 7(1), 10660 (2017).Crossref, Medline, Google Scholar
  • 3 Liaw D, Marsh DJ, Li J et al. Mutaciones de la línea germinal del gen PTEN en la enfermedad de Cowden, un síndrome hereditario de cáncer de mama y tiroides. Nat. Genet. 16(1), 64-67 (1997).Crossref, Medline, CAS, Google Scholar
  • 4 De Queiroz Rossanese LB, De Lima Marson FA, Ribero JD, Coy CSR, Bertuzzo CS. Mutaciones de la línea germinal de APC en familias con poliposis adenomatosa familiar. Oncol. Rep. 30(5), 2081-2088 (2013).Crossref, Medline, Google Scholar
  • 5 Hu C, Hart SN, Polley EC et al. Association between inherited germline mutations in cancer predisposition genes and risk of pancreatic cancer. JAMA 319(23), 2401-2409 (2018).Crossref, Medline, CAS, Google Scholar
  • 6 Wang E, Zaman N, Mcgee S, Milanese JS, Masoudi-Nejad A, O’Connor-McCourt M. Genómica predictiva: un marco de red de marcas de cáncer para predecir los fenotipos clínicos del tumor utilizando datos de secuenciación del genoma. Semin. Cancer Biol. 30, 4-12 (2015).Crossref, Medline, Google Scholar

  • 7 Milanese JS, Tibiche C, Zaman N et al. eTumorMetastasis, a network-based algorithm predicts clinical outcomes using whole-exome sequencing data of cancer patients. bioRxiv 268680 (2018) (Epub ahead of print).Google Scholar
  • 8 Milanese JS, Tibiche C, Zou J et al. Las variantes genéticas de la línea germinal asociadas a los genes leucocitarios predicen la recurrencia del tumor en pacientes con cáncer de mama. bioRxiv 312355 (2018) (Epub ahead of print).Google Scholar
  • 9 Zou J, Wang E. eTumorRisk, un algoritmo que predice el riesgo de cáncer basado en redes de genes co-mutados en el genoma de la línea germinal de un individuo. bioRxiv 393090 (2018) (Epub ahead of print).Google Scholar
  • 10 Xue X, Li J, Zou J et al. Los defectos heredados en las células asesinas naturales dan forma al microambiente inmune del tumor, al resultado clínico y a la respuesta a la inmunoterapia. bioRxiv 471912 (2018) (Epub ahead of print).Google Scholar
  • 11 Forbes SA, Beare D, Boutselakis H et al. COSMIC: genética somática del cáncer en alta resolución. Nucleic Acids Res. 45(D1), D777-D783 (2017).Crossref, Medline, CAS, Google Scholar
  • 12 Alexandrov LB, Nik-Zainal S, Wedge DC, Campbell PJ, Stratton MR. Descifrando las firmas de los procesos mutacionales que operan en el cáncer humano. Cell Rep. 3(1), 246-259 (2013).Crossref, Medline, CAS, Google Scholar
  • 13 Alexandrov LB, Nik-Zainal S, Wedge DC et al. Signatures of mutational processes in human cancer. Nature 500(7463), 415-421 (2013).Crossref, Medline, CAS, Google Scholar

  • 14 Helleday T, Eshtad S, Nik-Zainal S. Mechanisms underlying mutational signatures in human cancers. Nat. Rev. Genet. 15(9), 585-598 (2014).Crossref, Medline, CAS, Google Scholar
  • 15 Alexandrov LB, Stratton MR. Firmas mutacionales: los patrones de mutaciones somáticas ocultas en los genomas del cáncer. Curr. Opin. Genet. Dev. 24, 52-60 (2014).Crossref, Medline, CAS, Google Scholar
  • 16 Vanunu O, Magger O, Ruppin E, Shlomi T, Sharan R. Associating genes and protein complexes with disease via network propagation. PLOS Comput. Biol. 6(1), e1000641 (2010).Crossref, Medline, Google Scholar
  • 17 Hofree M, Shen JP, Carter H, Gross A, Ideker T. Network-based stratification of tumor mutations. Nat. Methods. 10(11), 1108-1115 (2013).Crossref, Medline, CAS, Google Scholar
  • 18 Li J, Lenferink AEG, Deng T et al. Identificación de marcadores pronósticos de cáncer de alta calidad y módulos de red de metástasis. Nat. Commun. 1, 34 (2010).Crossref, Medline, Google Scholar
  • 19 Karczewski KJ, Francioli LC, Tiao G et al. Variation across 141,456 human exomes and genomes reveals the spectrum of loss-of-function intolerance across human protein-coding genes. bioRxiv 531210 (2019). doi: https://doi.org/10.1101/531210.Google Scholar
  • 20 Dowsett M, Cuzick J, Wale C et al. Predicción del riesgo de recurrencia a distancia utilizando la puntuación de recurrencia de 21 genes en pacientes posmenopáusicas con nódulos negativos y positivos con cáncer de mama tratadas con anastrozol o tamoxifeno: un estudio TransATAC. J. Clin. Oncol. 28(11), 1829-1834 (2010).Crossref, Medline, Google Scholar
  • 21 Albain KS, Barlow WE, Shak S et al. Prognostic and predictive value of the 21-gene recurrence score assay in postmenopausal women with node-positive, oestrogen-receptor-positive breast cancer on chemotherapy: a retrospective analysis of a randomised trial. Lancet Oncol. 11(1), 55-65 (2010).Crossref, Medline, CAS, Google Scholar
  • 22 Le RQ, Li L, Yuan W et al. Resumen de la aprobación de la FDA: tocilizumab para el tratamiento del síndrome de liberación de citocinas inducido por el receptor de antígeno quimérico de células T, grave o potencialmente mortal. Oncologist 23(8), 943-947 (2018).Crossref, Medline, CAS, Google Scholar
  • 23 Davis ZB, Felices M, Verneris MR, Miller JS. Terapia de transferencia adoptiva de células asesinas naturales: aprovechando la primera línea de defensa contra el cáncer. Cancer J. 21(6), 486-491 (2015).Crossref, Medline, CAS, Google Scholar