Además de los factores virales y ambientales, la diversidad genética del huésped contribuye al espectro de resultados clínicos de pacientes crónicamente infectados por el VHC (aclaramiento de la infección aguda, la progresión de la fibrosis y el resultado del tratamiento). La secuenciación del genoma humano junto con el desarrollo de tecnologías de alto rendimiento que miden la función del genoma ha brindado la oportunidad de desarrollar perfiles que puedan distinguir, identificar y clasificar subconjuntos concretos de la enfermedad y predecir la evolución de la misma, así como la respuesta al tratamiento [1].
Un perfil de expresión génica (PEG) de una célula es una medida de la actividad (expresión) de miles de genes simultáneamente, para crear una imagen global de la función celular. Se utilizan para analizar las redes de genes cuya expresión se asocia con ciertas patologías específicas o con la respuesta a un tratamiento particular en comparación con muestras control [2].
La tecnología de microarrays ofrece numerosos avances científicos por estudiar el perfil de expresión y la activación de miles de genes simultáneamente. Este análisis tiene limitaciones relacionadas con la dificultad en la interpretación de los datos y las distintas metodologías y diseños experimentales existentes pero, a pesar de ello, esta contribuyendo a una mejor comprensión de la patogénesis molecular del virus de la hepatitis C así como al desarrollo de futuros tratamientos [3].
La diversidad de plataformas utilizadas para el análisis de microarrays de expresión génica y la variabilidad de los datos hace hincapié en la necesidad del uso de muestras de ARN de alta calidad. Se debe tener precaución durante todas las etapas de extracción del ARN para impedir su degradación. En estudios de expresión génica también es crucial una selección cuidadosa de los controles ya que la selección inadecuada puede conducir a una interpretación errónea de los resultados [2].
1.- Análisis de perfiles de expresión génica
Existen varios métodos para el análisis de microarrays basados en PEG. Se citan a continuación los más utilizados.
– Clustering
El análisis de clusters es tradicionalmente utilizado en la investigación filogenética y ha sido adoptado para el análisis de microarrays. Su principal propósito es agrupar los genes o experimentos en clusters con perfiles y características similares.
– Bloques de genes: análisis de rutas
Con este método se evalúan los perfiles de expresión de grupos de genes relacionados por participar en las mismas rutas.
– Expresión diferencial
Con este método se seleccionan los genes que se encuentran diferencialmente expresados en pacientes respecto a controles mediante análisis estadísticos (t-student, Wilcoxon, ANOVA, etc.) determinando la significación con el valor p.
– Predictores
Existen programas informáticos que se entrenan mediante selección génica con muestras conocidas para ser capaces de distinguir la característica de estudio (por ejemplo presencia o ausencia de enfermedad) de manera que al encontrarse con una muestra desconocida puedan clasificarla y predecir a qué grupo pertenece.
2.- Expresión génica y progresión de la enfermedad
Los análisis de PEG proporcionan una valiosa información para la comprensión de los mecanismos que intervienen en la progresión de la enfermedad por el VHC. La selección de genes marcadores puede ser de gran utilidad en la identificación biológica de la fibrosis avanzada [4]. Muchos de los genes que se encuentran sobre-regulados en fibrosis leve y moderada codifican citocinas secretadas en el suero. Por lo tanto, la búsqueda de genes desregulados en el hígado puede constituir un enfoque funcional lógico para el descubrimiento de marcadores séricos de la progresión de la fibrosis. Dado que un objetivo primordial en el tratamiento de la infección por el VHC es la erradicación del virus y otro es detener la progresión de la fibrosis, los marcadores moleculares de la progresión de la fibrosis podrían ayudar a definir nuevos criterios de valoración durante el tratamiento antiviral. Además, muchos de los genes regulados positivamente identificados en estudios de expresión génica son posibles dianas moleculares para el desarrollo de medicamentos antifibróticos [5].
El papel del VHC en la progresión a CHC sigue siendo controvertido. Para entender la transición de la forma benigna a maligna de la enfermedad se han realizado estudios de PEG en los diferentes estadíos de la enfermedad (cirrosis y CHC) respecto a controles y se han encontrado genes diferencialmente expresados que están relacionados con el crecimiento y la proliferación celular, la muerte celular, la replicación, la inflamación y la respuesta inmune [6, 7]. Aunque se han logrado muchos avances científicos, este método todavía se enfrenta a importantes retos debido a la naturaleza heterogénea del CHC, así como a factores de confusión presentes en los datos de expresión génica. Sin embargo, estas limitaciones están siendo superadas por la mejora en los análisis y la bioinformática [8].
3.- Expresión génica y respuesta al tratamiento
Teniendo en cuenta los efectos secundarios y el coste del tratamiento, la predicción de la respuesta al tratamiento antes de su inicio es importante. Los PEG de pacientes con hepatitis C crónica pueden ser biomarcadores útiles para la terapia basada en IFN [9]. La expresión génica en las primeras semanas de tratamiento puede dilucidar rutas moleculares clave que pueden influir en la probabilidad de lograr una respuesta virológica [10].
En células mononucleares de sangre periférica, se ha encontrado sobre-expresión de genes relacionados con la inmunidad celular, incluyendo genes implicados en la presentación y procesamiento antigénico, activación de células T, tráfico de linfocitos y funciones efectoras sugiriendo que IFN-alfa sobre-regula múltiples genes envueltos en la respuesta inmune para potenciar la inmunidad contra el VHC. Los diferentes resultados clínicos del tratamiento pueden estar relacionados con la expresión de estos genes [11]. Muchos de los genes regulados en no respondedores y respondedores codifican moléculas secretadas en el suero (citocinas), lo que hace que puedan ser útiles para el desarrollo de marcadores séricos como predictores de respuesta al tratamiento [12].
En estudios de expresión génica se ha observado una inducción génica cíclica en el tratamiento, es decir, picos en la expresión de los genes después de la administración de IFN y descenso entre dosis, lo que plantea el posible beneficio de disminuir el intervalo entre dosis en la fase inicial del tratamiento para mantener niveles altos de respuesta [13]. De todas formas, se necesitan estudios adicionales de evaluación de la expresión génica en células sanguíneas para clarificar este aspecto.
Las características clínicas y serológicas del paciente generalmente no ofrecen una gran capacidad predictiva antes de iniciar la terapia. En un futuro próximo, la combinación de las características clínicas y serológicas junto con los resultados de pruebas basadas en estudios genómicos y de expresión génica de alto rendimiento podrá ayudar a distinguir respondedores de no respondedores. [14].
Bibliografía
1. Asselah T, Bieche I, Paradis V, Bedossa P, Vidaud M, Marcellin P. Genetics, genomics, and proteomics: implications for the diagnosis and the treatment of chronic hepatitis C. Semin Liver Dis. 2007 Feb;27(1):13-27.
2. Asselah T, Bieche I, Laurendeau I, Martinot-Peignoux M, Paradis V, Vidaud D, et al. Significant gene expression differences in histologically «Normal» liver biopsies: Implications for control tissue. Hepatology. 2008 Sep;48(3):953-62.
3. Berzsenyi MD, Roberts SK, Beard MR. Genomics of hepatitis B and C infections: diagnostic and therapeutic applications of microarray profiling. Antivir Ther. 2006;11(5):541-52.
4. Takahara Y, Takahashi M, Zhang QW, Wagatsuma H, Mori M, Tamori A, et al. Serial changes in expression of functionally clustered genes in progression of liver fibrosis in hepatitis C patients. World J Gastroenterol. 2008 Apr 7;14(13):2010-22.
5. Asselah T, Bieche I, Sabbagh A, Bedossa P, Moreau R, Valla D, et al. Gene expression and hepatitis C virus infection. Gut. 2009 Jun;58(6):846-58.
6. Mas VR, Maluf DG, Archer KJ, Yanek K, Kong X, Kulik L, et al. Genes involved in viral carcinogenesis and tumor initiation in hepatitis C virus-induced hepatocellular carcinoma. Mol Med. 2009 Mar-Apr;15(3-4):85-94.
7. De Giorgi V, Monaco A, Worchech A, Tornesello M, Izzo F, Buonaguro L, et al. Gene profiling, biomarkers and pathways characterizing HCV-related hepatocellular carcinoma. J Transl Med. 2009;7:85.
8. Thorgeirsson SS, Lee JS, Grisham JW. Functional genomics of hepatocellular carcinoma. Hepatology. 2006 Feb;43(2 Suppl 1):S145-50.
9. Tateno M, Honda M, Kawamura T, Honda H, Kaneko S. Expression profiling of peripheral-blood mononuclear cells from patients with chronic hepatitis C undergoing interferon therapy. J Infect Dis. 2007 Jan 15;195(2):255-67.
10. Younossi ZM, Baranova A, Afendy A, Collantes R, Stepanova M, Manyam G, et al. Early gene expression profiles of patients with chronic hepatitis C treated with pegylated interferon-alfa and ribavirin. Hepatology. 2009 Mar;49(3):763-74.
11. Ji X, Cheung R, Cooper S, Li Q, Greenberg HB, He XS. Interferon alfa regulated gene expression in patients initiating interferon treatment for chronic hepatitis C. Hepatology. 2003 Mar;37(3):610-21.
12. Butera D, Marukian S, Iwamaye AE, Hembrador E, Chambers TJ, Di Bisceglie AM, et al. Plasma chemokine levels correlate with the outcome of antiviral therapy in patients with hepatitis C. Blood. 2005 Aug 15;106(4):1175-82.
13. Su X, Yee LJ, Im K, Rhodes SL, Tang Y, Tong X, et al. Association of single nucleotide polymorphisms in interferon signaling pathway genes and interferon-stimulated genes with the response to interferon therapy for chronic hepatitis C. J Hepatol. 2008 Aug;49(2):184-91.
14. Selzner N, Chen L, Borozan I, Edwards A, Heathcote E, McGilvray I. Hepatic gene expression and prediction of therapy response in chronic hepatitis C patients. J Hepatol 2008 29 Feb 48(5):708-13.