Los algoritmos de aprendizaje automático desarrollan una firma génica relacionada con las plaquetas «educadas por el tumor» para predecir el pronóstico del cáncer colorrectal y la respuesta al tratamiento.

Las plaquetas “educadas por el tumor” (TEP) han surgido recientemente como un componente importante de la biopsia líquida, aunque su relevancia clínica en el cáncer colorrectal (CCR) aún no está clara. En el presente estudio, empleamos 10 algoritmos de aprendizaje automático para desarrollar una firma génica relacionada con las TEP (TEPGS) estable y precisa, con el fin de explorar sus vínculos con los macrófagos asociados al tumor (MAT) y la abundancia espacial de plaquetas. La TEPGS se correlacionó fuertemente con un mal pronóstico y superó a 71 firmas génicas publicadas en la predicción de la supervivencia global del CCR. El análisis multi-ómico reveló que las TEPGS elevadas se caracterizaron por un aumento de las mutaciones de TP53, alteraciones del número de copias, disminución de las características inmunitarias, enriquecimiento de MAT pro-tumorales SPP1+/FCN1+ y aumento de la abundancia espacial de plaquetas.

Los pacientes con TEPGS elevadas mostraron resistencia a la inmunoterapia, pero respondieron a un inhibidor de BRAF V600E, mientras que la TEPGS demostró un valor tentativo para predecir la respuesta al cetuximab y una utilidad preliminar para el bevacizumab. Los ensayos funcionales confirmaron que ARPC1B es un oncogén. Nuestros hallazgos establecen la TEPGS como un biomarcador valioso para la estratificación pronóstica y la selección de terapias personalizadas en el CCR.