Análise da entropia do fluxo de informação em redes de interação proteica associadas as ferramentas de enriquecimento funcional revelam genes de interesse prognóstico em glioblastomas

Abstract

Gliomas são os tumores cefálicos mais comuns na vida adulta, geralmente estão associados a um mau prognóstico. A forma mais agressiva, o Glioblastoma Multiforme (GBM) leva metade de seus pacientes a morte em 12 a 14 meses, e os tratamentos pouco ou nada melhoram esta expectativa. O desenvolvimento de terapias é bastante complexo, uma vez que se trata de um tumor com alta diversidade de células, devido a sua instabilidade genômica. Esta instabilidade interfere no equilíbrio “estequiométrico” da transcrição gênica, implicando alterações na proporção entre proteínas atuantes em um mesmo complexo. Analisando proteínas que participam de um mesmo processo sob uma perspectiva de redes (de interação proteica), pode-se analisar a probabilidade de fluxo de informação entre proteínas conectadas, ponderando pela correlação de expressão gênica, assumindo que altos valores de correlação (de expressão – entre duas proteínas) correspondem a uma maior a probabilidade de fluxo de informação entre elas. Utilizando-se de uma medida de entropia chamada entropia local de rede, é possível analisar a organização do fluxo de informação entre uma determinada proteína e as demais com quem esta se relaciona. O aumento nestes valores de entropia é proposto enquanto uma assinatura sistêmica de tumores, tendo sido primeiramente demonstrada em tumores gástricos, de pulmão, bexiga, pâncreas, fígado e do colo uterino. Compreender como a informação flui ao longo de redes de interação proteica em glioblastomas pode trazer novas perspectivas de tratamento deste tumor. Portanto, este trabalho visa avaliar: I se há aumento da entropia local de rede em glioblastomas quando comparados ao tecido sadio; II: quais os genes responderiam pelo maior aumento de entropia e qual o papel biológico destes genes (em que rotas ou processos biológicos estariam atuando), III: se estas rotas ou processos biológicos apresentam alterações de expressão gênica, e IV: se algum dos genes alterados em nível de transcrição possui associação com prognóstico. Foi verificado: I: que Glioblastomas apresentam um aumento significativo da entropia local de rede em comparação a condição fisiológica normal. II: que os genes de maior ganho de entropia atuam em (28) processos biológicos relacionados com a biologia tumoral; III que estes processos biológicos têm alterações transcricionais (quando comparados com a situação fisiológica normal) em alguns de seus genes; IV que dentre todos os genes diferencialmente expressos nos (28) processos biológicos indicados pelos genes de entropia alterada, os genes PAK6 e MYC tiveram correlação com sobrevida em ambas as coortes analisadas. No entanto ao estratificar por idade, verificamos que esta relação se mantinha apenas em pacientes com idade inferior a 50 anos, onde verificou-se que PLCB1, MAPK8, CDK6 e MYD88 também tinha correlação com sobrevida, enquanto a expressão de duas formas da cinase dependente de cálcio/calmodulina (CAMK2A e CAMK2B) associou-se a um prognóstico ruim. Um estudo ainda mais aprofundado destes genes, bem como de outras enzimas chave nos processos identificados são promissores no sentido do desenvolvimento de estratégias de combate a glioblastomas.

Gliomas are the most common form of brain tumor in adults, being generally associated with dismal prognosis. Glioblastoma Multiform (GBM) is the most aggressive glioma subtype and – despite the recent advances in therapy regimens and patient care – median survival remains between 12 and 14 months after diagnosis, and the treatment is basically palliative. The development of GBM therapy is a difficult task, given that GBM possesses high levels of genomic instability, which consequently promotes the formation of a variety of highly proliferative, invasive and chemoresistant cell phenotypes. Such a genomic instability in tumors potentially impact the “stoichiometric” balance between functionally related proteins, mostly due to changes in transcriptional activity with these entities. Analyzing protein relations under a protein interaction network perspective allow studying the informational flux probability between linked proteins. It means that linked proteins with positive correlation are more prone to information flux than negatively correlated links. The local network entropy is an index which measures the “disorder” of the informational flux between a protein and its neighbors. Increased local network entropy was recently shown as a systemic hallmark of diverse tumors. However, to best of our knowledge, there are no studies investigating the significance of local network entropy changes in brain tumors thus far. We believe that understanding the network informational flux, and the biological processes affect in this context, can bring new insights on the pathobiology and drugable pathways in GBM. In this study, we aimed to investigate; i) whether the local network entropy of GBM differs from normal brain tissues; ii) which genes displayed increases in entropy and what biological pathways or processes they are involved in; iii) if the identified biological processes/pathways carry differentially expressed genes and; iv) whether some of the differentially expressed belonging to highly entropic pathways are correlated with GBM patients survival. In view of such a aims, our results showed that: i) GBMs showed a significant increase in local network entropy values when compared to non-tumor brain tissues; ii) genes with high entropy played a role in 28 biological processes potentially related to GBM physiopathology; iii) Several genes with the identified pathways were found overexpressed or down-regulated in tumor versus normal brain tissues and; iv) amidst them, the expressions of PAK6, PLCB1, MAPK8, CDK6 e MYD88 predicted better prognosis, while overexpression of two Calcium/Calmodulin Kinase isoforms (CAMK2A e CAMK2B) were correlated to poor prognosis; an effect only observed in patients younger (<50 years-old) at the age of diagnosis. In summary, this study shows that local network entropy in combination with pathway enrichment analysis are a useful strategy to improve our knowledge on the biological alterations as well as genes relevant to prognosis in GBM under a systems biology perspective.