Integrative multi-omics analysis reveals coding and noncoding drivers of cancer-associated cachexia: a systems-level study across humans and animal models

Abstract

A caquexia associada ao câncer é uma síndrome complexa e multifatorial, caracterizada por perda progressiva de peso, desregulação metabólica sistêmica e disfunção de múltiplos órgãos, comprometendo significativamente a sobrevida e a qualidade de vida de pacientes em contextos oncológicos, tanto adultos quanto pediátricos. Apesar dos avanços na compreensão da regulação de genes codificadores de proteínas, o panorama regulatório mais amplo, incluindo RNAs longos não codificadores (lncRNAs), proteínas circulantes e redes de comunicação entre tecidos, permanece apenas parcialmente compreendido. Esta tese tem como objetivo identificar os mecanismos moleculares codificantes e não codificantes da caquexia associada ao câncer por meio de uma abordagem integrativa multiômica, em nível sistêmico, utilizando dados humanos e modelos experimentais. Para isso, utilizamos dados de microarranjos, transcriptômica bulk e de célula única, proteômica e modelagem baseada em aprendizado de máquina para caracterizar o panorama multidimensional da caquexia. As análises integrativas revelaram que a caquexia é impulsionada por uma reprogramação molecular coordenada em nível sistêmico, envolvendo múltiplos tecidos, tipos celulares e camadas regulatórias. Em vez de uma via dominante única, a síndrome emerge como uma condição dinâmica e heterogênea, resultante da interação entre processos inflamatórios, metabólicos e de remodelamento tecidual, modulados por genes codificadores de proteínas e por RNAs longos não codificantes. Esses padrões moleculares variam conforme a gravidade da doença e o contexto biológico, sustentando a existência de programas dependentes do estágio e evidenciando as limitações de modelos uniformes de progressão da doença. Este trabalho também destaca desafios importantes na área. A investigação sistêmica da caquexia é inerentemente complexa, uma vez que as alterações moleculares estão distribuídas entre diferentes órgãos e são influenciadas por redes de comunicação intertecidual difíceis de capturar isoladamente. Além disso, os modelos experimentais amplamente utilizados apenas reproduzem parcialmente a condição humana, limitando a aplicabilidade translacional direta e contribuindo para inconsistências entre os estudos. No âmbito clínico, as definições atuais de caquexia baseiam-se majoritariamente em populações adultas e não contemplam adequadamente a variabilidade associada à idade, à etnia, à composição corporal e ao estado metabólico basal. Essa falta de critérios inclusivos e precisos contribui para o subdiagnóstico e, com frequência, atrasa a detecção até estágios mais avançados da síndrome. Nesse contexto, utilizando modelos experimentais de LLC, demonstramos que a progressão da caquexia apresenta elevada heterogeneidade biológica mesmo sob condições experimentais padronizadas, e propusemos uma classificação da severidade da síndrome baseada em aprendizado de máquina a partir de variáveis anatômicas associadas à perda de massa de tecido muscular e de tecido adiposo. Essa estratificação permitiu identificar assinaturas transcricionais tecido-específicas em múltiplos órgãos, incluindo mediadores previamente descritos e potenciais novos reguladores da caquexia, além de assinaturas de ligantes e receptores potencialmente associadas à comunicação intertecidual e à progressão da síndrome. A partir desse modelo, identificamos uma ampla disfunção sistêmica de lncRNAs em múltiplos tecidos afetados pela caquexia, com predomínio de transcritos com a expressão reduzida. Observamos ainda associações coordenadas desses lncRNAs com vias inflamatórias, metabólicas, catabólicas e de remodelamento tecidual, além de assinaturas conservadas relacionadas à identidade celular no microambiente tumoral. Em oncologia pediátrica, análises proteômicas revelaram persistência de vias inflamatórias e de estresse sistêmico mesmo após meses de tratamento, sugerindo efeitos metabólicos prolongados do câncer durante a terapia. Paralelamente, análises transcriptômicas em tecido adiposo visceral de pacientes com câncer gastrointestinal demonstraram ativação de vias imunometabólicas e do sistema do complemento, destacando moléculas como C7, CFI e CFH como potenciais mediadores da inflamação e da disfunção metabólica associadas à síndrome. Complementarmente, contribuímos para o desenvolvimento do Cancer Cachexia Omics Database (CaCaOdb), uma plataforma pública integrativa que reúne dados transcriptômicos bulk e de célula única de humanos e de modelos experimentais, ampliando a acessibilidade, a padronização e a reprodutibilidade de análises multiômicas em caquexia. Em conjunto, esses achados sustentam um modelo no qual a caquexia associada ao câncer representa uma desregulação metabólica sistêmica progressiva, impulsionada por interações regulatórias em múltiplos níveis, e não apenas por eventos isolados específicos de tecidos. Dessa forma, este trabalho fornece uma visão abrangente e sistêmica da síndrome, integrando redes regulatórias codificantes e não codificantes entre diferentes tecidos, tipos celulares e estágios da caquexia. Nossos resultados expandem o conhecimento atual sobre vias e mediadores associados à síndrome, além de identificar potenciais novos reguladores moleculares e biomarcadores ainda pouco explorados, reforçando a necessidade de abordagens integrativas para aprimorar a caracterização biológica da caquexia e apoiar o desenvolvimento de estratégias diagnósticas e terapêuticas mais precisas. Adicionalmente, a melhor estratificação e caracterização molecular dos modelos experimentais pode contribuir para aumentar a reprodutibilidade e a eficiência translacional de estudos pré-clínicos em caquexia. A longo prazo, esses avanços podem favorecer a detecção mais precoce da síndrome, o monitoramento clínico mais adequado e intervenções mais direcionadas, com potencial impacto na resposta ao tratamento oncológico, na qualidade de vida e no bem-estar dos pacientes.

Cancer-associated cachexia is a complex and multifactorial syndrome characterized by progressive weight loss, systemic metabolic dysregulation, and multi-organ dysfunction, significantly compromising survival and quality of life in oncological patients, both in adult and pediatric contexts. Despite advances in understanding the regulation of protein-coding genes, the broader regulatory landscape, including long non-coding RNAs (lncRNAs), circulating proteins, and inter-tissue communication networks, remains only partially understood. This thesis aimed to identify coding and non-coding molecular mechanisms underlying cancer-associated cachexia through a multi-omics, integrative, and systems-level approach, using both human data and experimental models. To this end, we employed microarray data, bulk and single-cell transcriptomics, proteomics, and machine learning–based modeling to characterize the multidimensional landscape of cachexia. Integrative analyses revealed that cachexia is driven by coordinated molecular reprogramming at the systemic level, involving multiple tissues, cell types, and regulatory layers. Rather than being governed by a single dominant pathway, the syndrome emerges as a dynamic and heterogeneous condition resulting from the interaction of inflammatory, metabolic, and tissue-remodeling processes, modulated by both protein-coding genes and long non-coding RNAs. These molecular patterns vary according to disease severity and biological context, supporting the existence of stage-dependent programs and highlighting the limitations of uniform models of disease progression. This work also underscores important challenges in the field. The systemic investigation of cachexia is inherently complex, as molecular alterations are distributed across multiple organs and shaped by inter-tissue communication networks that are difficult to capture in isolation. Furthermore, widely used experimental models only partially recapitulate the human condition, limiting direct translational applicability and contributing to inconsistencies across studies. From a clinical perspective, current definitions of cachexia are largely based on adult populations and do not adequately account for variability related to age, ethnicity, body composition, and baseline metabolic state. This lack of inclusive and precise criteria contributes to underdiagnosis and frequently delays detection until advanced stages of the syndrome. Within this context, using Lewis lung carcinoma (LLC) experimental models, we demonstrated that cachexia progression exhibits substantial biological heterogeneity even under standardized conditions, and we proposed a machine-learning–based classification of disease severity based on anatomical variables associated with muscle and adipose tissues wasting. This stratification enabled the identification of tissue-specific transcriptional signatures across multiple organs, including previously described mediators and putative novel regulators of cachexia, as well as ligand–receptor signatures potentially associated with inter-tissue communication and disease progression. Building on this framework, we identified widespread systemic dysregulation of lncRNAs across cachexia-affected tissues, characterized predominantly by reduced expression. These lncRNAs showed coordinated associations with inflammatory, metabolic, catabolic, and tissue-remodeling pathways, as well as conserved signatures linked to cellular identity within the tumor microenvironment. In pediatric oncology, proteomic analyses revealed persistent activation of inflammatory and systemic stress-related pathways even after several months of treatment, suggesting prolonged metabolic effects of cancer during therapy. In parallel, transcriptomic analyses of visceral adipose tissue from patients with gastrointestinal cancer demonstrated activation of immunometabolic pathways and the complement system, highlighting molecules such as C7, CFI, and CFH as potential mediators of inflammation and metabolic dysfunction associated with the syndrome. Complementarily, we contributed to the development of the Cancer Cachexia Omics Database (CaCaOdb), a publicly available integrative platform that compiles bulk and single-cell transcriptomic data from both humans and experimental models, improving accessibility, standardization, and reproducibility of multi-omics analyses in cachexia research. Together, these findings support a model in which cancer-associated cachexia represents a progressive systemic metabolic dysregulation driven by multilevel regulatory interactions, rather than isolated tissue-specific events. Accordingly, this work provides a comprehensive systems-level view of the syndrome, integrating coding and non-coding regulatory networks across tissues, cell types, and disease stages. Our results expand current knowledge of cachexia-associated pathways and mediators, identify previously underexplored molecular regulators and potential biomarkers, and reinforce the need for integrative approaches to improve its biological characterization and support the development of more precise diagnostic and therapeutic strategies. Additionally, improved stratification and molecular characterization of experimental models may enhance reproducibility and translational efficiency in preclinical research on cachexia. In the long term, these advances may facilitate earlier detection of the syndrome, more accurate clinical monitoring, and more targeted interventions, with the potential to impact treatment response, quality of life, and overall patient well-being.