ANALISIS BIOINFORMATICO DE BIOMARCADORES EN CANCER DE MAMA

MF. ABASCAL ; M. ROSSO; MJ. BESSO; MV. MENCUCCI; LI. FURLONG; MH. VAZQUEZ-LEVIN

Buenos Aires

Congreso; IX Congreso Argentino / XIII Encuentro Latinoamericano de la especialidad; 2014

Sociedad Argetina de Endocrinología Ginecológica y Reproductiva (SAEGRE)

Objetivos: Realizar un estudio bioinformático (minería de datos/análisis de redes) para identificar nuevos biomarcadores de cáncer de mama (CM) (ductal: DBC; lobular: LBC). Introducción: El CM es la 1ra. causa de muerte por tumores en mujeres, estimándose 18.000 nuevos casos/año (17,8% del total de cáncer en Argentina). Es una enfermedad compleja y hay gran cantidad de información relacionada a sus bases moleculares, siendo imprescindible usar herramientas bioinformáticas para identificar/filtrar/analizar la información de modo integral. En años recientes se han desarrollado bases de datos y herramientas bioinformáticas para obtener catálogos de genes relacionados a patologías específicas, analizarlos de manera conjunta para revelar su función y predecir nuevos candidatos por interacción con otras proteínas. Metodología: Se utilizaron: 1) DisGeNET: portal de enfermedades y su asociación a genes; integra información de literatura y bases de datos públicas; 2)Hippie: integra información sobre interacciones proteína-proteína (IPP); 3) Cytoscape: analiza y visualiza redes entre biomoléculas (ej. interacción entre proteínas y de asociación gen-enfermedad); 4) Clust&see: módulo de Cytoscape que permite hallar ?clusters? en una red y analizar relevancia biológica por análisis de sobrerrepresentación con diferentes anotaciones funcionales (Gene Ontology, etc). El método de predicción se basa en el principio de ?guilty-by-association?, por el cual 2 proteínas que interaccionan cumplen la misma función y están asociadas a enfermedades similares. Resultados: El análisis de DisGeNET (?breast cancer?) arrojó 815 genes relacionados al CM (marcadores/variación genética), 42 asociados a DBC, con evidencias contrastadas para BAG1, CDH1, ATF4, CLDN4, PTGER1 y SERPINB5. Las proteínas de DBC forman una red de IPP de 448 nodos, entre los que se identifican potenciales biomarcadores CFTR, AR, ESR1, HSPA8, HSPA1A, SMAD7 y otros involucrados a varias vías funcionales. Asociados a LBC se identificaron 28 genes (3 con evidencias contrastadas), que forman una red de IPP de 216 nodos, con ERBB2IP, SRC, EGFR, EP300 y HDAC1.3. El análisis funcional de las redes permitió identificar ?clusters? para DBC (7) y para las proteínas propuestas, lo que permite postular una conexión entre estos procesos. Conclusión: Este estudio llevó a la identificación de potenciales biomarcadores de CM que podrán aportar al diagnóstico y seguimiento de esta enfermedad.