Aplicabilidad de la RT-PCR a tiempo real a partir de tejido fijado en formol e incluido en parafina a la búsqueda de perfiles de expresión génica con valor pronóstico en cáncer de endometrio

Abstract

El cáncer de endometrio es el tumor maligno del tracto genital más frecuente en países desarrollados, y el segundo en mortalidad. En la mayoría de los casos se diagnostica en estadios iniciales y debuta como una neoplasia bien diferenciada, con una alta tasa de curación quirúrgica. Sin embargo, en aproximadamente el 20 % de los casos, se trata de un tumor de alto grado de comportamiento agresivo, que se presenta es estadios avanzados, con mayor tasa de recaída en el curso de la enfermedad. El avance de las técnicas empleadas en la caracterización molecular en este tipo de neoplasias ha permitido una mayor comprensión del papel que juegan las distintas anomalías genéticas para poder aplicar estos conocimientos en la práctica clínica, con el objetivo de desarrollar un sistema de clasificación que integre las características histológicas y moleculares con un perfil pronóstico. El desarrollo de perfiles de expresión de genes relacionados con la transición epiteliomesénquima (TEM), la angiogénesis y el ciclo celular contribuiría a esclarecer el papel que desempeñan estos genes e identificar un conjunto de los mismos que permita diferenciar un grupo de pacientes que difieran en la tasa de supervivencia para realizar un adecuado manejo, así como identificar potenciales dianas terapéuticas. El presente estudio se ha realizado en 46 carcinomas de endometrio de tipo endometrioide mediante análisis de RT-qPCR con tarjetas microfluídicas. Se ha analizado el efecto de las variables clínico-patológicas sobre la supervivencia de las pacientes, así como la expresión de genes relacionados con la TEM, la angiogénesis y el ciclo celular. Nuestro análisis ha identificado el carácter pronóstico de los genes EGFR, PLK1 y PLK2, así como dos perfiles, uno para supervivencia libre de enfermedad (SLE), compuesto por 3 genes, y otro para supervivencia global (SG), compuesto por 10. Ambos modelos servirían para diferenciar a las pacientes de nuestra muestra en dos grupos de riesgo de manera significativa. No obstante, y debido al limitado tamaño muestral, los datos clínico-patológicos y genéticos incluidos para generar estos modelos predictivos podrían no ser representativos, por lo que sería imprescindible realizar una validación externa de los resultados mediante estudios prospectivos o validación in silico.