Glioblastoma multiforme (GBM) é o tumor mais agressivo do sistema nervoso central e, em 2018, 241 mil casos da doença evoluíram a óbito. Nos casos em que é possível realizar a ressecção cirúrgica do tumor, a maior parte dos pacientes apresentam recidiva da doença e, por fim, óbito. Por isso, marcadores moleculares são relevantes para definir o prognóstico de pacientes com GBM. Nesse aspecto, miRNAs têm sido alvos recentes de investigações, pois são facilmente quantificáveis em tecidos tumorais. Desse modo, este estudo teve como objetivo investigar o perfil de expressão de miRNAs e o seu potencial uso para prever a recidiva e óbito decorrente de doença. Para isso, investigamos duas coortes: uma com 606 amostras de tumores primários de GBM do The Cancer Genome Atlas (TCGA) e uma com 67 amostras do Hospital das Clínicas de Ribeirão Preto (HCRP). Dados Level 3 de expressão de miRNAs foram obtidos pelo portal do TCGA e posteriormente analisados através do software Nexus Expression v3.0 e R v.3.6.1. A análise da expressão dos miRNAs da coorte TCGA mostrou que 25 miRNAs foram diferencialmente expressos quando comparamos subtipos moleculares GBM-like e Classical. Posteriormente, comparamos os miRNAs diferencialmente expressos obtidos pela análise in silico e observamos uma sobreposição de 54% dos miRNAs obtidos com os descritos na literatura. Por fim, 47 miRNAs foram selecionados e usados para investigar a coorte HCRP. A expressão destes miRNAs foi investigada através da técnica TaqMan Low-Density Array (TLDA). Devido a falhas técnicas, apenas 39 pacientes da coorte HCRP foram investigados. Foi possível observar que os miRNAs miR-199, miR-21 e miR-381 foram os mais expressos na coorte HCRP. Mutações em IDH1 foram significativamente associadas a uma redução da expressão de miR-516. Além disso, a análise de dados clínicos mostrou que alguns miRNAs são candidatos para predição de óbito, como os miRNAs let-7e (p<0,0001; Hazard Ratio [HR]=1,1; Intervalo de Confiança [CI]=1-1,2), miR-124 (p=0,02; HR=1,1; CI=1-1,3) e miR- 24 (p=0,033; HR=1,1; CI=1-1,1). Análises in silico mostraram que o alvo mais comum destes miRNAs é a via PI3K-AKT-mTOR e outras que regulam a apoptose e ciclo celular. Nosso estudo mostrou que diversos miRNAs possuem potencial para 1) distinguir subtipos moleculares de GBM e 2) determinar quais pacientes podem evoluir a óbito. O uso de miRNAs como biomarcador para classificar GBMs pode ser relevante no âmbito clínico, pois são capazes de distinguir tumores agressivos de menos agressivos.

Glioblastoma multiforme (GBM) is the most aggressive central nervous system tumor. In 2018, approximately 241,000 patients died as a consequence of this disease. In cases where surgical resection of the tumor is possible, the majority later present with disease recurrence and, ultimately, die from their disease. It is therefore critical to develop and characterize molecular biomarkers for more precisely determining GBM patient prognosis. In this regard, miRNAs have been widely investigated because they are easily quantifiable in tumor tissues. Thus, we aimed to investigate the miRNA expression profile and examine their potential for determining which patients will die from the disease. We investigated two cohorts: one composed of 606 samples from The Cancer Genome Atlas (TCGA) and another with 67 samples from the Clinics Hospital of Ribeirão Preto (HCRP). Level 3 normalized microarray data were downloaded from the TCGA data portal and analyzed through Nexus Expression v3.0 and R v3.6.1. The expression analysis of the TCGA cohort showed that 25 miRNAs were differentially expressed when comparing the GBM-like to the Classical subtype. We also compared the differentially expressed miRNAs obtained from our in silico analysis and found an overlap of 54% of the investigated miRNAs. This comparison resulted in a pool of 47 miRNAs that were selected and investigated using the HCRP cohort through the TaqMan Low-Density Array (TLDA) technique. Due to experimental failures, we were only able to investigate 39 patients from the HCRP cohort. We found that miR-199, miR-21, and miR-381 were the top expressed miRNAs in the HCRP cohort. Mutations in IDH1 were linked to a lower expression of miR-516. In addition, our clinical analysis showed that some of the investigated miRNAs have clinical potential for predicting death, such as let-7e (p<0.0001; Hazard Ratio [HR]=1.1; Confidence Interval [CI]=1-1.2), miR-124 (p=0.02; HR=1.1; CI=1-1.3), and miR-24 (p=0.033; HR=1.1; CI=1-1.1). In silico analyses showed that the primary targets of these miRNAs were part of the PI3K-AKT-mTOR pathway and other apoptosis and cell cycle-related pathways. Our findings indicate that the above-mentioned miRNAs may have the potential for 1) distinguishing molecular subtypes of GBM, and 2) for determining which patients will die as a consequence of the disease. The use of miRNAs as biomarkers may be useful for stratifying patients with GBM.