ISSN: 0974-276X
Meera Srivastava, Yelizaveta Torosyan, Ofer Eidelman, Catherine Jozwik, Harvey B. Pollard y Rosyln Mannon
Una plataforma de proteómica sérica que permite la creación de perfiles de expresión en subconjuntos clínicos asociados con el trasplante brinda la oportunidad de identificar biomarcadores no invasivos que pueden predecir con precisión el resultado del trasplante. En este estudio, intentamos identificar biomarcadores séricos candidatos que pudieran predecir el rechazo/lesión del aloinjerto renal, independientemente de su heterogeneidad etiológica y terapéutica. Usando muestras de suero recolectadas de pacientes con trasplante de riñón y controles sanos, primero empleamos microarrays Clontech-500 Ab para perfilar el rechazo agudo (AR) y la lesión crónica del injerto (CGI) versus la función estable del injerto (SF) y los riñones normales (NK). Usando el análisis GenePattern de matrices duplicadas en muestras agrupadas, identificamos biomarcadores independientes de género PARP1, MAPK1, SRP54, DP1 y p57 (FDR ≈ 25%), cuya regulación a la baja concordante representó un perfil perjudicial común para rechazo/ tipos de lesiones (AR-CGI). Las matrices de fase inversa calificaron una regulación al alza de PARP1 de 2 veces con un ROC de 0,87 en muestras individuales de pacientes con SF frente a AR-CGI que representaba PARP1 en suero como un biomarcador para el pronóstico temprano. Ingenuity Pathways Analysis (IPA) conectó PARP1 con algunos otros marcadores (MAPK1), dilucidando sus posibles interacciones y conexiones con la respuesta inmunitaria y la señalización de la enfermedad de injerto contra huésped. La regulación a la baja de PARP1 sérica en los tejidos del injerto dañado representa un marcador no invasivo en perspectiva, que predice el injerto renal fallido, independientemente de las causas del rechazo/lesión o el género. Por lo tanto, la identificación exitosa de PARP1 como biomarcador en cohortes limitadas de pacientes demuestra que la plataforma de proteómica sérica potenciada por el algoritmo de bioinformática basado en GenePattern y IPA puede garantizar un desarrollo exitoso del panel de biomarcadores de pronóstico aplicable clínicamente.