Estudio de la heterogeneidad regulatoria en cáncer y sus implicaciones en la medicina personalizada

Abstract

[ES] El cáncer es la segunda causa de muerte en el mundo y se caracteriza principalmente por la proliferación descontrolada de las células que forman el tumor. Aunque el desarrollo de un tumor es posible debido a ciertos procesos comunes desencadenados por la desregulación del equilibrio existente entre los componentes moleculares de una célula y sus elementos de control, existe una gran heterogeneidad en los mecanismos a través de los cuales ocurre dicha desregulación. Gracias al desarrollo de nuevas tecnologías de secuenciación ha sido posible observar como esta heterogeneidad no solo se observa entre los distintos tipos de tumores sino entre las propias células de un mismo tumor. La caracterización de la heterogeneidad tumoral ha tenido un gran impacto en la comprensión de la enfermedad y el desarrollo de nuevas terapias dirigidas. Por este motivo, con el fin de mejorar la caracterización de alteraciones en los distintos mecanismos regulatorios, en esta tesis se han desarrollado dos metodologías con gran potencial para su aplicación en la medicina personalizada y que permiten estudiar la heterogeneidad inter e intratumoral de los estados de activación de elementos reguladores. En primer lugar, se desarrolló una metodología que permite determinar en una muestra el estado de activación de los factores de transcripción (FTs) a partir de la expresión de los genes a los que regula. Se aplicó la metodología para realizar un análisis sistemático de varios cánceres (conocido como estudios pan-cáncer) en el que se caracterizó por primera vez el escenario regulatorio de 52 FTs en 11 tipos de cáncer distintos. Además, al poder obtener valores de activación individuales para cada muestra, fue posible observar correlaciones entre la activación de algunos FTs con la supervivencia, sugiriendo así su uso como marcadores pronósticos. En segundo lugar, se desarrolló otra metodología en la que se emplea un modelo mecanístico para determinar el estado de activación de alrededor de 1000 circuitos de señalización a partir de datos de experimentos transcriptómicos de células únicas (scRNAseq). El uso de este modelo mecanístico en datos de scRNAseq de 4 pacientes de glioblastoma, además de mostrar la heterogeneidad intratumoral presente en las muestras, ha permitido realizar intervenciones in silico para simular el efecto de distintas drogas sobre las células. De esta manera, ha sido posible describir posibles mecanismos mediante los cuales un grupo de células pueden evitar el efecto de una terapia dirigida. Las metodologías desarrolladas en esta tesis, así como los resultados obtenidos tras su aplicación supone una valiosa fuente de información para el desarrollo de marcadores de diagnóstico, pronóstico y respuesta que ayuden a entender mejor los distintos niveles de heterogeneidad presentes en cáncer, y así, poder aumentar la eficacia de las terapias dirigidas.

[CA] El càncer és la segona causa de mort al món i es caracteritza principalment per la proliferació descontrolada de les cèl·lules que formen el tumor. Encara que el desenvolupament d'un tumor és possible a causa de certs processos comuns desencadenats per la desregulació de l'equilibri existent entre els components moleculars d'una cèl·lula i els seus elements de control, hi ha una gran heterogeneïtat en els mecanismes a través dels quals s'aconseguix aquesta desregulació. Gràcies a el desenvolupament de noves tecnologies de seqüenciació ha sigut possible observar com aquesta heterogeneïtat no només s'observa entre els diferents tipus de tumors sinó entre les pròpies cèl·lules d'un mateix tumor. La caracterització de l'heterogeneïtat tumoral ha tingut un gran impacte en la comprensió de la malaltia i el desenvolupament de noves teràpies dirigides. Per aquest motiu, per tal de millorar la caracterització d'alteracions en els diferents mecanismes reguladors, en aquesta tesi s'han desenvolupat dues metodologies amb gran potencial per a la seua aplicació en la medicina personalitzada i que permeten estudiar l'heterogeneïtat inter i intratumoral dels estats de activació d'elements reguladors. En primer lloc es va desenvolupar una metodologia que permet determinar en una mostra l'estat d'activació dels factors de transcripció (FTs) a partir de l'expressió dels gens als que regula. Es va aplicar la metodologia per a realitzar una anàlisi de pan-cancer en el qual es va caracteritzar per primera vegada l'escenari regulatori de 52 FTs a 11 tipus de càncer diferents. A més, al poder obtenir valors d'activació individuals per a cada mostra, va ser possible observar correlacions entre l'activació d'alguns FTs amb la supervivència, suggerint així el seu ús com a marcadors pronòstics. En segon lloc, es va desenvolupar una altra metodologia en la qual s'empra un model mecanístic per determinar l'estat d'activació d'al voltant de 1000 circuits de senyalització a partir d'experiments transcriptòmics de cèl·lules úniques (scRNAseq). L'ús d'aquest model mecanístic en dades de scRNAseq de 4 pacients de glioblastoma, a més de mostrar l'heterogeneïtat intratumoral present en les mostres, ha permès realitzar intervencions in silico per simular l'efecte de diferents drogues sobre les cèl·lules. D'aquesta manera, ha estat possible descriure possibles mecanismes mitjançant els quals un grup de cèl·lules poden evitar l'efecte d'una teràpia dirigida. Les metodologies desenvolupades en aquesta tesi, així com els resultats obtinguts després de la seva aplicació suposa una valuosa font d'informació per al desenvolupament de marcadors de diagnòstic, pronòstic i resposta que ajudin a entendre millor els diferents nivells d'heterogeneïtat presents en càncer, i així, poder augmentar l'eficàcia de les teràpies dirigides.

[EN] Cancer is the second leading cause of death in the world and is characterized mainly by the uncontrolled proliferation of the cells that make up the tumor. Although the development of a tumor is possible due to certain common processes triggered by the dysregulation of the existing balance between the molecular components of a cell and its control elements, there is great heterogeneity in the mechanisms through which this dysregulation is achieved. Thanks to the development of new sequencing technologies, it has been possible to observe how this heterogeneity is not only observed between the different types of tumors but also between the cells of the same tumor. The characterization of tumor heterogeneity has had a great impact on the understanding of the disease and the development of new targeted therapies. For this reason, in order to improve the characterization of alterations in the different regulatory mechanisms, in this thesis two methodologies have been developed that allow studying the inter- and intratumoral heterogeneity of the activation states of regulatory elements and with great potential for their application in personalized medicine. In the first place, a methodology that allows determining in a sample the activation state of the transcription factors (FTs) from the expression of the genes that it regulates was developed. The methodology was applied to perform a pan-cancer analysis in which the regulatory scenario of 52 FTs was characterized for the first time in 11 different types of cancer. Furthermore, by being able to obtain individual activation values for each sample, it was possible to observe correlations between the activation of some FTs with survival, thus suggesting their use as prognostic markers. Second, another methodology was developed using a mechanistic model to determine the activation state of around 1000 signaling circuits in single cell transcriptomic experiments (scRNAseq). The use of this mechanistic model in scRNAseq data from 4 glioblastoma patients, in addition to showing the intratumoral heterogeneity present in the samples, has allowed in silico interventions to simulate the effect of different drugs on cells. In this way, it has been possible to describe possible mechanisms by which a group of cells can avoid the effect of a targeted therapy. The methodologies developed in this thesis, as well as the results obtained after its application, is a valuable source of information for the development of diagnostic, prognostic and response markers that help to better understand the different levels of heterogeneity present in cancer, and thus, be able increase the effectiveness of targeted therapies.