Proyecto de Anatomía del Genoma del Cáncer

La causa fundamental del cáncer es la incapacidad de una célula para regular su expresión génica. Para caracterizar un tipo específico de cáncer, se pueden examinar las proteínas que se producen a partir de la expresión génica alterada o el ARNm precursor de la proteína. CGAP trabaja para asociar el perfil de expresión , la firma molecular o el transcriptoma de una célula en particular , que es esencialmente la huella dactilar de la célula, con su fenotipo. Por lo tanto, existen perfiles de expresión que consideran el tipo de cáncer y la etapa de progresión. ^{[ 3 ]}

El objetivo inicial de CGAP era establecer un Índice de Genes Tumorales (TGI) para almacenar los perfiles de expresión. Esto contribuiría tanto a bases de datos nuevas como existentes. ^{[ 4 ]} Esto contribuyó a dos tipos de bibliotecas, dbEST y posteriormente dbSAGE . Esto se realizó en una serie de pasos: ^{[ 3 ]}

• El contenido celular se lava sobre placas con secuencias de poli-T. Esto permite la unión de las colas de poli-A , presentes únicamente en las moléculas de ARNm, reteniendo así selectivamente el ARNm.
• El ARNm aislado se procesa para convertirlo en un transcrito de ADNc mediante reacciones de transcripción inversa y polimerización del ADN.
• El ADN bicatenario resultante se incorpora a los plásmidos de E. coli . Cada bacteria contiene ahora un ADNc único que se replica para producir clones con la misma información genética. Esto se denomina biblioteca de ADNc .
• Posteriormente, la biblioteca se puede secuenciar mediante técnicas de secuenciación de alto rendimiento . Esto permite caracterizar tanto los diferentes genes expresados ​​por la célula original como el nivel de expresión de cada gen.

Inicialmente, el TGI se centró en los cánceres de próstata, mama, ovario, pulmón y colon, mientras que el CGAP amplió su investigación a otros tipos de cáncer. En la práctica, surgieron problemas que el CGAP abordó a medida que se disponía de nuevas tecnologías.

Muchos cánceres se originan en tejidos con múltiples tipos celulares. Las técnicas tradicionales tomaban la muestra de tejido completa y producían bibliotecas de ADNc de tejido masivo. Esta heterogeneidad celular hacía que la información sobre la expresión génica en términos de biología del cáncer fuera menos precisa. Un ejemplo es el tejido de cáncer de próstata, donde las células epiteliales, que se ha demostrado que son el único tipo celular que da origen al cáncer, constituyen solo el 10 % del recuento celular. Esto llevó al desarrollo de la microdisección por captura láser (LCM), una técnica que puede aislar tipos celulares individuales, lo que dio lugar a bibliotecas de ADNc de tipos celulares específicos. ^{[ 4 ]}

La secuenciación del ADNc produce la transcripción completa del ARNm que lo generó. En la práctica, solo se requiere una parte de la secuencia para identificar de forma unívoca el ARNm o la proteína asociada. La parte resultante de la secuencia se denomina etiqueta de secuencia expresada (EST) y siempre se encuentra al final de la secuencia, cerca de la cola de poli-A. Los datos de EST se almacenan en una base de datos llamada dbEST . Las EST solo necesitan tener alrededor de 400 bases de longitud, pero con las técnicas de secuenciación NGS, esto aún produce lecturas de baja calidad. Por lo tanto, también se utiliza un método mejorado llamado análisis serial de la expresión génica (SAGE). Este método identifica, para cada molécula de transcripción de ADNc producida a partir de la expresión génica de una célula, regiones de solo 10 a 14 bases de longitud en cualquier punto de la secuencia de lectura, suficientes para identificar de forma unívoca esa transcripción de ADNc. Estas bases se cortan y se unen, y luego se incorporan a plásmidos bacterianos como se mencionó anteriormente. Las bibliotecas SAGE tienen mejor calidad de lectura y generan una mayor cantidad de datos cuando se secuencian, y dado que los transcritos se comparan en niveles absolutos en lugar de relativos, SAGE tiene la ventaja de no requerir la normalización de los datos mediante la comparación con una referencia. ^{[ 1 ] [ 4 ]}

El objetivo de la Iniciativa de Anotación Genómica del Proyecto de Anatomía del Genoma del Cáncer (CGAP-GAI) es descubrir y catalogar polimorfismos de un solo nucleótido (SNP) que se correlacionan con el inicio y la progresión del cáncer. ^{[ 4 ]} CGAP-GAI ha creado diversas herramientas para el descubrimiento, análisis y visualización de SNP. Los SNP son valiosos en la investigación del cáncer, ya que pueden utilizarse en varios estudios genéticos diferentes, comúnmente para rastrear la transmisión, identificar formas alternativas de genes y analizar vías moleculares complejas que regulan el metabolismo, el crecimiento o la diferenciación celular. ^{[ 5 ]}

Los SNP en CGAP-GAI se encuentran como resultado de la resecuenciación de genes de interés en diferentes individuos o mediante la búsqueda en bases de datos de EST humanas existentes y la realización de comparaciones. ^{[ 2 ]} Examina transcripciones de individuos sanos, individuos con enfermedades, tejido tumoral y líneas celulares de un gran conjunto de individuos; por lo tanto, es más probable que la base de datos incluya mutaciones de enfermedades raras además de variantes de alta frecuencia. ^{[ 6 ]} Un desafío común en la detección de SNP es la diferenciación entre errores de secuenciación y polimorfismos reales. Los SNP encontrados se someten a un análisis estadístico utilizando el pipeline de SNP de CGAP para calcular la probabilidad de que la variante sea de hecho un polimorfismo. Los SNP de alta probabilidad se validan y existen herramientas disponibles que hacen predicciones sobre si la función está alterada. ^{[ 2 ]}

Para facilitar el acceso a los datos, CGAP-GAI cuenta con varias herramientas que permiten visualizar tanto la alineación de secuencias como la descripción general del ensamblaje, con el contexto de las secuencias a partir de las cuales se predijeron. Los SNP se anotan y, a menudo, se determinan mapas genéticos/físicos integrados. ^{[ 6 ]}

La inestabilidad genómica es una característica común del cáncer; por lo tanto, comprender las anomalías estructurales y cromosómicas puede brindar información sobre la progresión de la enfermedad. El Proyecto de Aberración Cromosómica del Cáncer (cCAP) es una iniciativa apoyada por CGAP que se utiliza para definir la estructura cromosómica y caracterizar los reordenamientos que están asociados con la transformación maligna. ^{[ 4 ] [ 7 ]} Incorpora la versión en línea de la base de datos de Mitelman, creada por Felix Mitelman, Bertil Johansson y Fredrik Mertens antes de la creación de CGAP, otra compilación de reordenamientos cromosómicos conocidos. El cCAP tiene varios objetivos: ^{[ 7 ]}

• Integración de mapas citogenéticos y físicos del genoma humano.
• Generar un repositorio de clones BAC en todo el genoma que estén mapeados genética y físicamente.
• Desarrollar una plataforma para la correlación paralela de bases de datos de aberraciones asociadas al cáncer (base de datos de clones BAC mapeados mediante hibridación fluorescente in situ (FISH)).
• Integración de tres técnicas de análisis citogenético (cariotipado espectral, hibridación genómica comparativa y FISH) para refinar la nomenclatura definitoria de las aberraciones cariotípicas.

La base de datos contiene información citogenética de más de 64.000 casos de pacientes, incluyendo más de 2000 fusiones genéticas. ^{[ 1 ]}

Como parte de este proyecto, existe un repositorio de clones BAC mapeados física y citogenéticamente para el genoma humano , disponibles físicamente a través de una red de distribuidores. ^{[ 1 ]} Los mapas de clones CCAP se han mapeado citogenéticamente mediante FISH con una resolución de 1-2 Mb en todo el genoma humano, y físicamente mediante sitios marcados por secuencia (STS). ^{[ 8 ]} Los datos de los clones BAC también están disponibles a través de las bases de datos CGAP y NCBI.

A continuación se enumeran otros recursos disponibles a través de CGAP. ^{[ 1 ]}