Identificação de miRNAs que regulam genes relacionados à via de transição epitélio mesênquima como marcadores preditivos e prognósticos em câncer de colo uterino

por Marcelo Zanchetta do Nascimento
Publicado: 18/09/2023 - 19:04
Última modificação: 18/09/2023 - 19:04

O câncer do colo uterino (CCU) esteve associado a 6.596 mortes em 2019 e 16.710 diagnósticos em 2020 no Brasil, segundo o INCA. Em Minas Gerais, a taxa de mortalidade por CCU é elevada, representando 4,6% das mortes por câncer no estado. A ocorrência de metástases e o expressivo número de recidivas contribuem sobremaneira para esse índice. A transição epitélio mesênquima (EMT), mecanismo primário para a infiltração regional e posterior metástase à distância, representa um fator prognóstico desfavorável. Uma melhor compreensão dos mecanismos genéticos envolvidos na via EMT, abriria a possibilidade para que novas estratégias diagnósticas, prognósticas, e terapêuticas possam ser adotadas no âmbito do CCU. Apesar de diferentes estudos terem identificado alguns miRNAs envolvidos nesse processo em CCU, como o miR-532-5p e o miR-221-3p, poucos fizeram a transposição entre a bancada e a clínica. Com o objetivo de preencher essa lacuna, neste projeto os genes da via EMT, e seus respectivos miRNAs reguladores, diferencialmente expressos entre pacientes com e sem metástase, após 12 meses do fim do esquema quimioradioterápico, serão determinados partindo-se de resultados preliminares da análise do transcritoma de 31 pacientes de CCU de estádios II e III. Os alvos encontrados a partir desta análise, juntamente com aqueles já estabelecidos na literatura para outras coortes, serão validados utilizando-se a técnica de RT-qPCR. Com o perfil de expressão gênica e os dados clínicos das pacientes, desenvolveremos um algoritmo para tomada de decisão que poderá ser utilizado pelos médicos como ferramenta prognóstica e preditiva para a ocorrência de metástase à distância. Por fim, buscaremos identificar entre medicamentos já disponíveis no mercado aqueles cujas análises mostrarem interação com os alvos estudados e propor o possível reposicionamento de fármacos, utilizando a predição in silico baseado em interações biomoleculares e integração de dados biológicos.

Financiadores: 
Linhas de Pesquisa: