- A multiômica combina DNA, RNA, proteínas e metabolismo para melhorar diagnóstico e tratamento do câncer, indo além da genética isolada.
- Entre as áreas, a genômica identifica alterações no DNA, a transcriptômica analisa quais genes estão ativos e as proteômica, metabolômica e epigenômica oferecem visão sobre proteínas, energia e regulação gênica.
- Estudos e aplicações já ajudam a refinar subtipos moleculares, melhorar diagnóstico e indicar estratégias de tratamentos-alvo e imunoterapia, com exemplos em gliomas, câncer de pulmão e de mama.
- O desafio é integrar diferentes camadas de informação, com uso de inteligência artificial, e padronizar dados para embasar decisões clínicas.
- No Brasil, o custo elevado e a necessidade de capacitação limitam a implementação, mas há iniciativas em centros como o Einstein Hospital, com foco em biobancos e pesquisa multiômica para ampliar aplicações clínicas.
A multiômica traz uma visão mais ampla do câncer ao combinar DNA, RNA, proteínas e metabolismo para melhorar diagnóstico e tratamento. A abordagem analisa não apenas mutações, mas a organização e a interação entre células tumorais, inflamatórias e normais. Resultados ajudam a ajustar terapias alvo e imunoterapia.
Especialistas destacam que a genômica costuma abrir o caminho, identificando alterações no DNA. Já a transcriptômica revela quais genes estão ativos, enquanto proteômica, metabolômica e lipidômica mostram como o tumor utiliza energia e recursos. A epigenômica investiga ligações e desligamentos gênicos sem alterações no DNA.
A leitura multiômica permite entender a biologia tumoral em diferentes planos, o que pode aprimorar diagnóstico e prognóstico. Pesquisas indicam benefício na estratificação de gliomas, câncer de pulmão, mama, leucemias e colorretal, com aplicações em estratégias terapêuticas.
O que é a multiômica
A expressão multiômica descreve a leitura integrada de diversas camadas moleculares de um tumor. A ideia é captar informações funcionais e ambientais que influenciam a evolução da câncer, para orientar decisões clínicas com maior embasamento.
Avanços na prática clínica
Estudos mostram que a leitura combinada de DNA, RNA e proteínas pode refinar subtipos moleculares e indicar vias terapêuticas potenciais. Ferramentas de IA aparecem como apoio para cruzar dados e prever respostas a tratamentos.
Desafios de padronização
A integração de camadas múltiplas esbarra na padronização de dados, ruídos técnicos e variações entre plataformas de sequenciamento. A leitura depende de técnicos e bioinformatas para garantir qualidade e aplicabilidade clínica.
Custo e acesso
No Brasil, o custo elevado é apontado como principal obstáculo para adoção ampla da multiômica no SUS. Observa-se variação na incorporação entre centros de alta e baixa renda, além da necessidade de capacitar profissionais para interpretar os resultados.
Representatividade em bancos de dados
A representatividade de populações não europeias é baixa em bases biomédicas, o que pode afetar a precisão de diagnósticos e tratamentos para grupos sub-representados. Pesquisas defendem maior inclusão de amostras brasileiras e diversidade genética.
Brasil e iniciativas atuais
No Einstein Hospital Israelita, estudos de multiômica em gliomas, pulmão, pâncreas e mieloma seguem em andamento. A criação de biobancos padronizados é destaque para coletar e analisar amostras de forma consistente, visando uso assistencial futuro.
Entre na conversa da comunidade