Evaluación de Reversión Metabólica post-Quirúrgica en Pacientes con Carcinoma Celular Renal de células claras

MALENA MANZI; NICOLAS ZABALEGUI; MARIA EUGENIA MONGE

Congreso; IV Congreso Argentino de Espectrometría de Masas; 2022

El carcinoma celular renal de células claras (CCRcc) es el principal subtipo de CCR. El CCRcc se caracteriza por presentar alteraciones en el metabolismo de los lípidos y suele diagnosticarse de manera incidental y tardíamente. La cirugía es la intervención más efectiva ya que el CCRcc es altamente resistente a los tratamientos de radioterapia y quimioterapia. En un estudio previo realizado por el grupo de investigación utilizando un abordaje de lipidómica no dirigida basada en cromatografía líquida de ultra alto rendimiento acoplada a espectrometría de masas de alta resolución (UPLC-HRMS) en combinación con métodos de machine learning, se analizaron muestras de suero de pacientes con CCRcc (n=112) y controles sanos (n=52) y se identificó un panel de 16 lípidos capaz de discriminar pacientes con CCRcc de controles sanos con un 95,7% y 77,1% de exactitud de clasificación en un grupo de muestras de entrenamiento y en un grupo de muestras de testeo independiente, respectivamente.1 En el presente trabajo, se investigó la capacidad de dicho panel de lípidos para evaluar la reversión metabólica de pacientes sometidos a cirugía, analizando muestras de suero colectadas antes y después de la intervención quirúrgica (n=41). Asimismo, las huellas lipídicas de los pacientes se modificaron luego de la cirugía en dirección a la huella metabólica de los controles sanos. En particular, tres lípidos previamente identificados como LPC(16:0/0:0), PC(18:2/18:2), y ácido linoleico, permitieron diferenciar muestras de pacientes con mal pronóstico de aquellas correspondientes a pacientes que mejoraron durante el seguimiento. La relación entre los niveles de LPC(16:0/0:0) y PC(18:2/18:2) con el ácido linoléico podrían convertirse en herramientas útiles para evaluar el pronóstico de los pacientes durante el seguimiento luego de validar de estos resultados con cohortes de mayor tamaño, incluyendo individuos con diferentes etnicidades, estilos de vida y hábitos alimenticios. 1 Manzi, M., Palazzo, M., Knott, M. E., Beauseroy, P., Yankilevich, P., Giménez, M. I., & Monge, M. E. (2020). Coupled mass-spectrometry-based lipidomics machine learning approach for early detection of clear cell renal cell carcinoma. Journal of Proteome Research, 20(1), 841-857.