Malgré les progrès réalisés dans les stratégies de diagnostic et de traitement, le pronostic des patients atteints de carcinome épidermoïde du poumon (CEP) reste défavorable, et le potentiel des biomarqueurs pronostiques et des cibles thérapeutiques basés sur le microbiome reste largement inexploré. Les données sur les patients atteints de CEP provenant du The Cancer Genome Atlas (TCGA), y compris les données d'abondance au niveau du genre microbien et les données de séquençage de l'ARN (RNA-Seq), ont été utilisées comme ensemble de données d'entraînement. Deux autres ensembles de données indépendants, GSE19188 et GSE157009, servent d'ensembles de données de validation. Un modèle de score de risque (RS) basé sur le microbiome a été construit par une analyse de régression de Cox univariée combinée à l'opérateur de contraction et de sélection le moins absolu (LASSO).
Le carcinome épidermoïde du poumon (CEP) est un sous-type histologique prédominant du cancer du poumon non à petites cellules (CPNPC), représentant une proportion importante des cas de cancer du poumon dans le monde. Malgré les progrès réalisés dans les méthodes de diagnostic et de traitement, les patients atteints de CEP sont confrontés à des résultats défavorables, avec un taux de survie à cinq ans inférieur à 20 % et une probabilité de récidive locale de 33 % dans les deux ans. Cela souligne le besoin urgent de nouveaux biomarqueurs pronostiques et de cibles thérapeutiques pour améliorer les résultats des patients.
Des études récentes ont mis en évidence l'impact critique du microenvironnement tumoral, y compris les communautés microbiennes, sur l'initiation et la progression du cancer. Le microbiome humain, en particulier le microbiome intestinal, a été trouvé pour affecter l'inflammation systémique, les réponses immunitaires et même l'efficacité des thérapies anticancéreuses. La dysbiose microbienne, un déséquilibre dans les communautés microbiennes, a été impliquée dans diverses tumeurs malignes, y compris les cancers colorectal, gastrique et hépatique.
Ces résultats suggèrent que le microbiome peut moduler le comportement tumoral par le biais de multiples mécanismes, y compris la modulation du système immunitaire, la production de métabolites microbiens et l'altération du microenvironnement tumoral. Dans le contexte du cancer du poumon, le microbiome pulmonaire est d'un intérêt particulier. Le poumon, autrefois considéré comme un environnement stérile, est maintenant connu pour abriter une communauté microbienne diversifiée. Les variations du microbiome pulmonaire ont été liées à des affections respiratoires chroniques et pourraient influencer la pathogenèse du cancer du poumon.
Des taxons microbiens spécifiques ont été liés à des voies inflammatoires qui pourraient contribuer à l'initiation et à la progression de la tumeur. Par exemple, des bactéries spécifiques peuvent déclencher une inflammation chronique, un facteur de risque reconnu pour le cancer. De plus, les métabolites microbiens comme les acides gras à chaîne courte et les acides biliaires secondaires peuvent affecter la prolifération cellulaire, l'apoptose et les mécanismes de réparation de l'ADN.
Malgré la reconnaissance croissante du rôle du microbiome dans le cancer, l'impact spécifique des communautés microbiennes dans le poumon sur le pronostic du CEP n'a pas été étudié de manière approfondie. Étant donné l'interaction complexe entre le microbiome et le système immunitaire de l'hôte, la compréhension de la composition microbienne associée au CEP pourrait fournir des informations précieuses sur les mécanismes qui sous-tendent la progression du cancer et identifier des biomarqueurs potentiels pour le pronostic et des cibles thérapeutiques.
Cette étude vise à identifier des marqueurs microbiens pronostiques dans le CEP en analysant de manière exhaustive l'abondance des genres microbiens au niveau du genre et les données de RNA-Seq. Les chercheurs ont émis l'hypothèse que des genres microbiens spécifiques sont significativement associés au pronostic du CEP et que l'intégration de ces marqueurs microbiens aux données d'expression de l'ARNm peut améliorer la précision pronostique des modèles existants.