Determinação de uma assinatura molecular renal de regeneração após terapêutica com células estromais mesenquimais multipotentes
Carregando...
Data
Autores
Orientador
Fontes, Roberto Fioravanti Carelli 
Coorientador
Almeida, Danilo Cândido de
Pereira, Gabriel
Pós-graduação
Curso de graduação
São Vicente - IBCLP - Ciências Biológicas
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Trabalho de conclusão de curso
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
A doença renal pode variar de um declínio súbito das funções renais (injúria renal aguda, IRA) até a perda progressiva e irreversível da taxa de filtração (doença renal crônica, DRC). A progressão e a relação causal entre IRA e DRC pode envolver uma cascata complexa de sinalização molecular, tornando-se alvos terapêuticos das células-tronco estromais mesenquimais multipotentes (CTMs), as quais possuem uma multiplicidade de propriedades renoprotetoras. Biomoléculas podem agir como biomarcadores e classificadores em processos patofisiológicos como a IRA e DRC. Padrões ou assinaturas moleculares podem ser ferramentas uteis na disfunção renal auxiliando na detecção, estadiamento ou no prognóstico precoce a alterações clínicas. Portanto, este presente estudo identificou uma assinatura transcricional associada à regeneração/proteção renal após terapêutica com as CTMs. Por meio de ferramentas computacionais específicas e de bioinformática utilizamos dois bancos de dados transcriptômicos (Gene Expression Omnibus, GEO); o primeiro identificou e treinou a assinatura, (i) banco de treino; e um segundo banco (GEO) foi utilizado para ensaio de validação, (ii) banco de validação. Os resultados mostraram a existência de 137 genes diferencialmente expressos em comum a pelo menos 2 bancos de dados de treino (GSE275449-DRC, GSE153217-ND, GSE59958-IRA). Em seguida, por nível de expressão/regulação e significância estatística, identificamos 4 potenciais genes alvos que poderiam ser usados em nossa assinatura (Pak3, Cll2, Tnn, Gjd2). Ao realizarmos combinações por pares detectamos que Tenascina N (Tnn) e Conexina 36 (Gjd2) se destacaram com expressão invertidas em rins tratado com CTMs (regeneração) e rins doentes, sendo assim utilizados na assinatura de treino. Como esperado a assinatura de treino (z-score Tnn-Gjd2) mostrou-se eficiente em classificar corretamente 100% dos rins doentes e rins tratados com CTMs (saudável/regeneração) com ambos apresentando um FDR =0. Dessa forma testamos a nossa assinatura (z-score Tnn-Gjd2) em um segundo banco de dados chamado de validação (GSE66494-DRC, GSE30528-ND, GSE30718-IRA) e identificamos uma classificação, porém com falsos positivos para rins doentes (38%) e rins saudáveis (34%). No intuito de aprimorar a nossa assinatura realizamos o cálculo classificatório nos bancos de dados de treino, mas agora separado por patologias e observamos para IRA falsos positivos para rins doentes (50%) e rins saudáveis (37%), para DRC falsos positivos para rins doentes (32%) e rins saudáveis (0%), e para ND falsos positivos para rins doentes (55%) e rins saudáveis (53%). Nossos resultados demonstraram que o uso de Tnn e Gjd2 podem ser utilizados para classificar rins doentes e rins saudáveis e/ou em regeneração, no entanto seu poder classificatório mostrou-se mais efetivo para DRCs, sendo que Tnn pode também ser utilizado como um excelente marcador de rins saudáveis. Esperamos redefinir, treinar e validar a nossa assinatura molecular transcricional em bancos de dados maiores abrangendo maior números de patologias renais e amostras. Acreditamos que Tnn e Gjd2 possuem um potencial de serem utilizados para múltiplas aplicações futuras, não só como assinaturas de classificação, mas também como biomarcadores de estadiamento e prognostico renal em diversas condições de patologias renais.
Resumo (inglês)
Renal disease ranges from an abrupt decline in kidney function (acute kidney injury, AKI) to the progressive and irreversible loss of filtration rate (chronic kidney disease, CKD). The progression and causal relationship between AKI and CKD may involve a complex cascade of molecular signaling, thereby constituting therapeutic targets for multipotent mesenchymal stromal cells (MSCs), which exhibit a multiplicity of renoprotective properties. Biomolecules can act as biomarkers and classifiers in pathophysiological processes such as AKI and CKD. Molecular patterns or signatures may serve as useful tools in renal dysfunction, aiding early detection, staging, or prognostication prior to overt clinical alterations. Accordingly, the present study identified a transcriptional signature associated with renal regeneration/protection following MSC therapy. Using dedicated computational and bioinformatics approaches, we analyzed two transcriptomic datasets (Gene Expression Omnibus, GEO): the first to identify and train the signature (i) training set; and a second GEO dataset for validation (ii) validation set. The results revealed 137 differentially expressed genes shared by at least two training datasets (GSE275449-CKD, GSE153217– non-diseased [ND], GSE59958-AKI). Next, based on expression/regulation level and statistical significance, we identified four potential target genes for inclusion in our signature (Pak3, Ccl2, Tnn, Gjd2). Pairwise combinations indicated that Tenascin N (Tnn) and Connexin 36 (Gjd2) were most discriminative, showing inverse expression in MSCtreated kidneys (regeneration) versus diseased kidneys, and were therefore used in the training signature. As expected, the training signature (z-score Tnn–Gjd2) correctly classified 100% of diseased kidneys and MSC-treated (healthy/regenerating) kidneys, both with FDR = 0. We then tested our signature (z-score Tnn–Gjd2) in a second dataset designated for validation (GSE66494-CKD, GSE30528-ND, GSE30718-AKI) and obtained classification, albeit with false positives for diseased kidneys (38%) and healthy kidneys (34%). To refine the signature, we recalculated the classification score in the training datasets stratified by pathology, observing for AKI false positives for diseased kidneys (50%) and healthy kidneys (37%); for CKD, false positives for diseased kidneys (32%) and healthy kidneys (0%); and for ND, false positives for diseased kidneys (55%) and healthy kidneys (53%). Our findings demonstrate that Tnn and Gjd2 can be leveraged to classify diseased and healthy and/or regenerating kidneys; however, their classificatory power was more effective for CKD, with Tnn additionally emerging as an excellent marker of healthy kidneys. We aim to redefine, train, and validate our transcriptional molecular signature in larger datasets encompassing a broader range of renal pathologies and samples. We posit that Tnn and Gjd2 hold promise for multiple future applications, not only as classificatory signatures but also as biomarkers for renal staging and prognosis across diverse renal disease conditions.
Descrição
Palavras-chave
Células-tronco mesenquimais, Bioinformática, Regeneração (Biologia)
Idioma
Português
Citação
LIMA, Davi de Mattos Ribeiro. Determinação de uma assinatura molecular renal de regeneração após terapêutica com células estromais mesenquimais multipotentes. 2025. Trabalho de Conclusão de Curso (Bacharelado em Ciências Biológicas com habilitação em Biologia Marinha) – Instituto de Biociências do Campus do Litoral Paulista, Universidade Estadual Paulista, São Vicente, 2025.
