Resumen de Mètodes estadístics per al refinament del diagnòstic dels síndromes limfoproliferatius de cèl.lula B
Guillem Clot Razquin
Els síndromes limfoproliferatius crònics de cèl•lula B (B-CLPD) engloben diverses entitats heterogènies de tumors hematològics. Aproximadament un 15% dels casos no es poden classificar correctament en cap entitat mitjançant els criteris diagnòstics convencionals. Aquests casos sense un diagnòstic definitiu es consideren B-CLPD, not otherwise specified (B-CLPD, NOS). Determinades informacions moleculars, com són l'expressió gènica i les alteracions en el material genètic, podrien contenir trets específics de cada entitat. La tecnologia dels microarrays permet mesurar l'expressió de milers de gens o la quantitat de material genètic en milers de regions de manera simultània, el qual facilita la identificació de biomarcadors candidats. El primer objectiu d'aquesta tesi ha sigut el de construir un predictor, basat en informació de dues plataformes de microarrays diferents (expressió i copy-number), capaç de classificar les diferents entitats de B-CLPD. Per tal de construir-lo, s'ha utilitzat una cohort de 159 pacients leucèmics distribuïts en nou entitats de B-CLPD diferents. Degut al cost econòmic d'utilitzar dues plataformes, ha sigut molt important avaluar l'increment que suposa en la precisió del predictor utilitzar-ne dues en comptes d'una. La metodologia utilitzada ha permès concloure que l'expressió gènica, com a font única, obté precisions similars a les de combinar les dues fonts. El segon objectiu ha sigut construir un predictor utilitzant només la font d'expressió. Per tal de minimitzar el risc d'overfitting, la metodologia proposada ha permès obtenir un predictor senzill i fàcil de contrastar amb coneixements biològics previs. Aquest predictor ha inclòs 55 gens i ha sigut capaç de distingir sis de les nou entitats. Les tres restants s'han categoritzat com Miscellaneous. Els predictors basats en tecnologies d'alt rendiment, com són els microarrays, són difícils d'implementar a la rutina clínica. Existeixen tècniques més simples, com la quantitative PCR (qPCR), però que tenen l'inconvenient de només poder mesurar uns pocs gens simultàniament. El primer pas per tal de construir un predictor basat en qPCR és seleccionar un petit subconjunt de gens a mesurar en aquesta tecnologia, on la selecció es fa en base a la informació obtinguda dels microarrays. Aquest canvi de tecnologia té dos inconvenients: i) el nombre de gens a traslladar a qPCR és limitat, i ii) la correlació entre les dues tecnologies no és perfecta, provocant que les capacitats predictives observades en els microarrays no sempre es reprodueixin en qPCR. El tercer objectiu d'aquesta tesi ha sigut seleccionar un subconjunt de 35 gens a traslladar a qPCR, on la metodologia proposada ha tingut en compte tres rellevàncies (biològica, estadística i multivariant) dels gens per tal de maximitzar la reproductibilitat de la informació al canviar de plataforma. Degut a que la metodologia que s'ha utilitzat per a la selecció de gens és complexa d'aplicar a la pràctica, s'ha proposat lassoVoting, un mètode més senzill i que s'ha demostrat que és adequat quan l'estructura de correlació està ordenada. Amb els 35 gens seleccionats, s'ha utilitzat una mostra de 44 pacients dels 159 inicials per construir el predictor en qPCR. Aquest predictor ha inclòs 8 gens i s'ha provat exitosament en una cohort de validació independent de 63 pacients. Degut a la incapacitat de l'expressió gènica per distingir les tres entitats Miscellaneous, el quart objectiu d'aquesta tesi ha sigut avaluar si altres trets moleculars i genètics publicats en la literatura permeten distingir-les. S'han identificat diversos trets que, un cop s'han descartat les altres sis entitats en base a l'expressió gènica, les poden discriminar. Finalment, en una cohort de 64 B-CLPD, NOS, s'han classificat a una entitat específica 29 casos utilitzant només l'expressió gènica i 14 utilitzant l'expressió i trets moleculars/genètics. En els 21 restants, només s'han pogut descartar sis entitats.
