Radiogenómica: identificación de biomarcadores a través de métodos basados en transcriptómica, epigenómica e integración de multiómicas

IP: Vega Gliemmo, Ana

Entidad de realización: Fundación Instituto de Investigación Sanitaria de Santiago de Compostela

Entidad/es financiadora/s: Gobierno de España – ISCIII

Fecha de inicio-fin: 2020 – 2022

La mitad de los pacientes con cáncer reciben radioterapia (RT) como parte de su tratamiento oncológico. La radiación está dirigida a un tumor, pero parte del tejido sano adyacente es inevitablemente irradiado, lo que puede originar efectos adversos. Los efectos adversos a largo plazo afectan a la calidad de vida del paciente y limitan las potenciales dosis curativas que se prescriben a la mayoría de los pacientes. Esto se produce porque los protocolos de radioterapia están diseñados para tratar a la población y no a los pacientes de forma individual. Por lo tanto, existe una necesidad clínica de adaptar los tratamientos a la biología de cada paciente.

Se sabe que los factores genéticos están asociados a las diferencias en la sensibilidad a la radiación que existe entre los pacientes. Hace varios años, el equipo de investigación estableció una cohorte de pacientes con cáncer tratados con RT, que hoy en día tienen seguimiento de varios años. Sobre la base de esta cohorte y con proyectos anteriores, el grupo identificó varios marcadores genéticos asociados con toxicidades tardías en pacientes con cáncer de próstata (Fachal et al. Nat Genetics 2014, Kerns et al 2013; 2016…).

Sin embargo, como en otros fenotipos complejos, la variabilidad genética conocida hoy en día no explica todo el componente genético del fenotipo de toxicidad inducida por radioterapia. Por lo tanto, nuestro principal objetivo en la presente propuesta es explorar otros enfoques como la transcriptómica y la epigenómica.

Para ello, realizaremos estudios de RNAseq y análisis de metilación genómica con un diseño caso-control anidado en pacientes de nuestra cohorte. Además, validaremos los hallazgos en cohortes de alta calidad a las que tenemos acceso (REQUITE y RGC, ver Anexo). Además, aprovechando los datos anteriore  y junto con los nuevos datos de ARN que se generarán aquí, exploraremos enfoques post-GWAS, como el estudio de asociación de transcriptoma (TWAS), y la integración de datos ómicos para mejorar el poder de identificar factores genómicos y sus interacciones.