Faktor Klinis dan Genetik pada Kelangsungan Hidup Kanker Ovarium

Kanker ovarium merupakan salah satu penyebab utama kematian akibat kanker pada wanita di seluruh dunia. Berdasarkan data epidemiologi, kanker ini menempati urutan kelima sebagai penyebab kematian akibat kanker pada wanita dengan lebih dari 239.000 kasus baru dan 152.000 kematian setiap tahun di seluruh dunia. Tingginya angka kematian ini terutama disebabkan oleh diagnosis yang sering terlambat, karena gejala awal kanker ovarium cenderung tidak spesifik. Sebagian besar pasien didiagnosis pada stadium lanjut, yang secara signifikan memengaruhi prognosis mereka.

Kanker ovarium tipe yang paling umum adalah karsinoma serosa derajat tinggi (high-grade serous carcinoma/HGSC), yang sering kali menunjukkan resistensi tinggi terhadap kemoterapi berbasis platinum, serta memiliki perubahan genom dan transkriptom yang signifikan. Penelitian berbasis data genomik dan transkriptomik telah menjadi alat yang sangat penting dalam mengidentifikasi faktor intrinsik yang memengaruhi perilaku kanker. Melalui teknologi seperti RNA sequencing (RNA-seq), kita dapat memahami ekspresi gen secara menyeluruh, yang memberikan wawasan penting tentang mekanisme molekuler yang mendasari perkembangan kanker dan potensinya sebagai target terapi.

Selain itu, berbagai faktor klinis seperti usia pasien, lokasi anatomis tumor, tahap histologi kanker, dan status genetik telah diidentifikasi sebagai prediktor penting untuk kelangsungan hidup pasien. Data dari The Cancer Genome Atlas (TCGA) telah memungkinkan para peneliti untuk mengintegrasikan data klinis dan genetik guna menganalisis hubungan antara ekspresi gen tertentu dengan hasil klinis, termasuk kelangsungan hidup pasien.

Penelitian ini bertujuan untuk mengidentifikasi gen yang signifikan secara prognostik dan faktor klinis yang memengaruhi kelangsungan hidup pasien kanker ovarium. Dengan memanfaatkan model regresi proporsional Cox, baik analisis univariat maupun multivariat digunakan untuk mengevaluasi hubungan antara ekspresi gen, faktor klinis, dan risiko kematian. Analisis ini memberikan pemahaman yang lebih baik tentang jalur biologis yang relevan, yang berpotensi menjadi target terapi di masa depan.

Hasil analisis menunjukkan bahwa dari 41 gen yang dipilih berdasarkan literatur sebelumnya, ekspresi yang berubah pada beberapa gen seperti TLR4, BSCL2, CDH1, ERBB2, dan SCGB2A1 secara signifikan berkorelasi dengan kelangsungan hidup pasien kanker ovarium. Misalnya, overekspresi gen TLR4 diketahui meningkatkan risiko kematian karena berkontribusi pada inflamasi kronis di mikro lingkungan tumor. Inflamasi ini mendorong progresi kanker dan metastasis. Gen TLR4 juga terlibat dalam jalur PI3K/AKT/mTOR, yang merupakan salah satu jalur molekuler utama dalam berbagai jenis kanker, termasuk kanker ovarium.

Gen CDH1, yang merupakan gen supresor tumor, juga menunjukkan asosiasi signifikan dengan kelangsungan hidup pasien. Penurunan ekspresi CDH1 sering kali dikaitkan dengan invasi dan metastasis sel kanker. Hal ini menunjukkan bahwa menjaga fungsi CDH1 dapat menjadi strategi potensial dalam menghambat penyebaran kanker ovarium.

Di sisi lain, gen ERBB2, yang mengkode reseptor HER2, ditemukan berperan penting dalam regulasi proliferasi sel kanker.  Overekspresi ERBB2 berhubungan dengan prognosis buruk pada pasien kanker ovarium. Namun, menariknya, under ekspresi ERBB2 justru menunjukkan hubungan dengan risiko kematian yang lebih rendah, yang mengindikasikan kompleksitas peran gen ini dalam kanker ovarium.

Selain gen-gen tersebut, BSCL2 dan SCGB2A1 juga ditemukan memiliki pengaruh signifikan terhadap kelangsungan hidup pasien. BSCL2, yang berperan dalam morfologi droplet lipid, dilaporkan berkorelasi dengan progresi kanker serosa ovarium derajat tinggi. Sementara itu, SCGB2A1, yang sangat berbeda ekspresinya pada semua derajat kanker ovarium, memberikan peluang untuk menjadi biomarker diagnostik dan prognostik yang penting.

Analisis multivariat yang menggabungkan faktor klinis dan ekspresi gen menunjukkan bahwa usia pasien, lokasi tumor, dan stadium kanker juga merupakan faktor yang secara independen memengaruhi kelangsungan hidup. Misalnya, pasien dengan tumor bilateral memiliki risiko kematian yang lebih tinggi dibandingkan dengan pasien dengan tumor yang terlokalisasi di satu sisi ovarium. Demikian pula, peningkatan usia pasien secara signifikan meningkatkan risiko kematian, yang mencerminkan penurunan respons imun dan kemampuan tubuh untuk mengatasi kanker seiring bertambahnya usia.

Dalam konteks jalur molekuler, analisis menunjukkan bahwa gen-gen yang signifikan berperan dalam berbagai jalur biologis, seperti homologous recombination, adherens junction, dan PI3K/AKT/mTOR. Jalur-jalur ini tidak hanya relevan dalam memahami mekanisme kanker, tetapi juga memberikan target potensial untuk pengembangan terapi yang lebih efektif. Misalnya, terapi yang menargetkan jalur PI3K/AKT/mTOR dapat menghambat proliferasi dan metastasis sel kanker, sementara pendekatan yang mempertahankan fungsi CDH1 dapat membantu mencegah invasi sel kanker.

Kesimpulan dari penelitian ini menyoroti pentingnya integrasi data klinis dan genetik dalam menganalisis faktor-faktor yang memengaruhi kelangsungan hidup pasien kanker ovarium. Dengan memahami hubungan antara ekspresi gen dan hasil klinis, kita dapat mengembangkan pendekatan terapi yang lebih personalisasi, yang tidak hanya meningkatkan prognosis tetapi juga kualitas hidup pasien. Selain itu, gen-gen yang teridentifikasi seperti TLR4, CDH1, ERBB2, dan SCGB2A1 dapat menjadi fokus utama dalam penelitian lanjutan untuk mengeksplorasi potensinya sebagai target terapi molekuler.

Penelitian di masa depan harus mencakup populasi yang lebih luas dengan latar belakang genetik yang beragam untuk memastikan validitas temuan ini. Selain itu, pendekatan berbasis teknologi seperti CRISPR-Cas9 dapat digunakan untuk memvalidasi peran gen-gen yang signifikan dalam model kanker eksperimental. Dengan demikian, penelitian ini tidak hanya memberikan wawasan baru tentang patogenesis kanker ovarium tetapi juga membuka peluang untuk inovasi dalam diagnosis dan pengobatan.

Sumber:

Hossain, M.A., Islam, S.M.S., Quinn, J.M., Huq, F. and Moni, M.A., 2019. Machine learning and bioinformatics models to identify gene expression patterns of ovarian cancer associated with disease progression and mortality. Journal of biomedical informatics100, p.103313.

Comments

Leave a Reply

Your email address will not be published. Required fields are marked *