PADRÕES DE METILAÇÃO E DADOS DE MUNDO REAL NA MICOSE FUNGOIDE E SÍNDROME DE SÉZARY: IDENTIFICAÇÃO DE BIOMARCADORES EPIGENÉTICOS PARA DIAGNÓSTICO E PROGNÓSTICO

Os linfomas cutâneos de células-T (LCTC), especialmente micose fungoide (MF) e síndrome de Sézary (SS), são neoplasias extranodais que acometem principalmente a pele, com características clínicas e moleculares distintas. MF é marcada pela proliferação monoclonal e progressiva de células-T de memória que migram para a pele. SS, forma leucêmica, apresenta células malignas no sangue, linfonodos e pele, com fenótipo de células-T de memória central. A maioria dos linfomas não Hodgkin tem origem B, mas os cutâneos são predominantemente T, cerca de 75% dos casos. Alterações epigenéticas, sobretudo padrões de metilação do DNA, desempenham papel central na tumorigênese, afetando proliferação, apoptose e evasão imunológica. Caracterizar esses padrões pode revelar biomarcadores para diagnóstico e prognóstico, áreas ainda com lacunas. A análise de dados do mundo real (RWD) de registros clínicos e moleculares amplia o entendimento clínico em contextos reais, complementando ensaios clínicos. Caracterizar padrões de metilação do DNA em MF e SS, integrando com dados clínicos reais para identificar biomarcadores epigenéticos ligados a diagnóstico, prognóstico e progressão, usando bioinformática e aprendizado de máquina para analisar dados integrados e identificar assinaturas moleculares específicas. Estudo observacional, analítico, transversal e retrospectivo com pacientes diagnosticados de MF ou SS (WHO–EORTC), com ≥18 anos, registros clínicos completos e amostras biológicas disponíveis. Dados clínicos reais obtidos de prontuários eletrônicos abrangendo dados demográficos, fenotípicos, terapêuticos e desfechos. Amostras tumorais (pele/sangue) processadas para extração de DNA, com avaliação de qualidade e quantidade. Metilação avaliada por microarranjos de alta densidade (Illumina Infinium MethylationEPIC ou equivalente), processados em R com pacotes bioinformáticos. Integração dos dados para aprendizado de máquina visando identificar assinaturas ligadas a diagnóstico, prognóstico e resposta. MF e SS mostram padrões específicos de hipermetilação e hipometilação em genes que regulam ciclo celular e progressão tumoral (CDKN2A, PYCARD, BCL7a, PTPRG, p73). Em SS, cerca de 7,8% dos CpG apresentam hipometilação, 3,2% hipermetilação; genes como CMTM2 destacam-se como biomarcadores diagnósticos. Proteínas epigeneticamente reguladas (SATB1, PLS3) associam-se a prognóstico e diferenciam SS de MF, indicando influência da epigenética na agressividade e evolução. O microambiente tumoral, influenciado por alterações epigenéticas, modula interações entre células malignas e o sistema imune, favorecendo evasão imunológica e resistência terapêutica. Integrar dados moleculares e clínicos reais facilita identificação de biomarcadores robustos para diagnóstico, prognóstico e estratificação de risco. Bioinformática e aprendizado de máquina otimizam análise integrada, promovendo medicina personalizada. Ainda em andamento, espera-se que o estudo permita identificar biomarcadores epigenéticos úteis para diagnóstico, prognóstico e manejo terapêutico em MF e SS, apoiando o desenvolvimento de terapias personalizadas.