Fundamentos do Câncer
Bem-vindo à seção de fundamentos! Aqui você encontrará os conceitos essenciais para entender o câncer do ponto de vista técnico e científico — com uma perspectiva prática para desenvolvedores, cientistas de dados e engenheiros.
Canto do cético: Correlação ≠ causação; em biologia, tamanhos de efeito, fatores de confusão e design experimental importam. Em caso de dúvida, exija controles e reprodutibilidade.
O que você vai aprender
- Biologia Celular e Molecular: Ciclo celular, checkpoints, reparo de DNA, apoptose, senescência
- Genética e Genômica: Oncogenes vs supressores tumorais, processos mutacionais, variantes estruturais
- Epigenética: Metilação do DNA, marcas de histona, remodelamento da cromatina, RNAs não codificantes
- Bioquímica e Metabolismo: Efeito Warburg, metabolismo de um carbono, ROS, reprogramação metabólica
- Microambiente Tumoral (TME): Estroma, hipóxia, angiogênese, infiltração imune
- Imunologia: Vigilância/escape imune, checkpoints (PD‑1/PD‑L1, CTLA‑4), fundamentos de CAR‑T
- Tradução Clínica: Diagnósticos, estadiamento (TNM), tipos de biomarcadores, classes de tratamento e resistência
- Bioinformática: De FASTQ a VCF, expressão, célula única e espacial, radiômica
- Ética de Dados: Viés, vazamento, privacidade (LGPD), dados FAIR, reprodutibilidade
Artigos Disponíveis
Comece por O que é câncer?.
Roteiro (sugerido):
- what-is-cancer.md (10)
- cell-cycle-and-checkpoints.md (20)
- dna-damage-and-repair.md (30)
- oncogenes-and-tumor-suppressors.md (40)
- hallmarks-of-cancer-2011-2022.md (50)
- tumor-microenvironment.md (60)
- cancer-metabolism-warburg.md (70)
- immuno-basics-and-checkpoints.md (80)
- from-fastq-to-variants.md (90)
- intro-to-single-cell-and-spatial.md (100)
- biomarkers-and-companion-dx.md (110)
- clinical-trials-101.md (120)
- ml-in-oncology-pitfalls.md (130)
- data-governance-lgpd.md (140)
Para quem é?
- Desenvolvedores/Engenheiros construindo ferramentas para saúde e ciência
- Cientistas de dados trabalhando com conjuntos de dados ômicos/clínicos
- Estudantes de áreas técnicas curiosos sobre biologia
- Pessoas de produto traduzindo ciência em sistemas utilizáveis
Caminho de Aprendizado
Nível 1 — Conceitos Básicos
- O que é câncer? Neoplasia vs hiperplasia; benigno vs maligno; evolução clonal
- Fundamentos celulares: organelas, ciclo celular (G1/S/G2/M), checkpoints (p53, RB)
- estrutura do DNA e fluxo de informação (Dogma Central); transcrição vs tradução
Nível 2 — Mecanismos Moleculares
- Regulação gênica: enhancers, TFs, switches epigenéticos
- Dano e reparo de DNA: MMR, BER, NER, HR vs NHEJ; instabilidade genômica
- Sinalização oncogênica: RTK–RAS–MAPK, PI3K–AKT–mTOR, WNT, TGF‑β, eixo p53
- Morte celular e senescência: apoptose, necroptose, ferroptose, senescência celular
- Metabolismo: rewiring da glicólise, vício em glutamina, shuttle de lactato
Nível 3 — Sistemas e Clínica
- Hallmarks do Câncer (2011) + Novas Dimensões (2022)
- Microambiente Tumoral: CAFs, ECM, angiogênese (VEGF), hipóxia (HIF‑1α)
- Imuno‑oncologia: apresentação de antígenos, checkpoints, escape imune
- Diagnósticos: IHC, FISH, painéis NGS, biópsia líquida (ctDNA/CTCs)
- Terapêuticas: quimio, direcionadas (inibidores de quinase), imunoterapia (CPI, CAR‑T, bispecíficos)
- Mecanismos de resistência: on‑target/off‑target, plasticidade de linhagem, trilhas de bypass
Conceitos Chave
Hallmarks do Câncer (núcleo)
- Sustentação de sinalização proliferativa
- Evasão de supressores de crescimento
- Resistência à morte celular
- Habilitação de imortalidade replicativa
- Indução de angiogênese
- Ativação de invasão e metástase
Características habilitadoras: Instabilidade genômica e mutação; Inflamação promotora de tumor. Emergentes/expandidas (2011 → 2022): Desregulação energética celular; Evitação de destruição imune; Desbloqueio de plasticidade fenotípica; Reprogramação epigenética não mutacional; Microbiomas polimórficos; Células senescentes.
Tipos de Câncer (por origem)
- Carcinomas (epiteliais), Sarcomas (mesenquimais), Leucemias/Linfomas (hematológicos), Tumores do SNC.
Fundamentos Computacionais
Da amostra ao insight (pipeline curto)
- Wet lab → Dados: extração de DNA/RNA → preparação de biblioteca para sequenciamento → sequenciamento
- QC: FastQC/MultiQC; remover adaptadores, avaliar cobertura/contaminação
- Alinhamento/Quantificação: BWA‑MEM/STAR; ou pseudo‑alinhamento (Salmon)
- Chamada de Variantes: GATK/Mutect2; germline vs somático; chamadores CNV/SV
- Anotação: VEP/ANNOVAR; ClinVar, COSMIC, gnomAD
- Análise de expressão: normalização, DE, GSEA; correção de lote
- Célula única/espacial: chamada de células, clustering, trajetória, análise de vizinhança
- Integração: ômicas + clínica; engenharia de características; modelos de sobrevivência
Tarefas de ML
- Classificação de subtipos, sobrevivência (Cox, RSF), predição de resposta, radiômica
- Armadilhas: vazamento, fatores de confusão (lote/local), desequilíbrio de classe, CV otimista, small‑n large‑p
Dados e Governança
- LGPD: bases legais, minimização, pseudonimização
- FAIR: encontrável, acessível, interoperável, reutilizável
- Reprodutibilidade: containers, versões fixadas, pipelines (Snakemake/Nextflow)
Laboratórios Práticos (hands‑on)
- Lab 1: QC e alinhamento de dados WES → chamada de variantes e anotação (conjunto de dados toy)
- Lab 2: Expressão diferencial RNA‑seq + enriquecimento de vias
- Lab 3: Construir um modelo de sobrevivência básico (Kaplan–Meier, Cox) com dados clínicos
- Lab 4: Clustering de célula única e descoberta de marcadores
- Lab 5: Pipeline de radiômica simples de DICOM a características a classificador
Fornecer conjuntos de dados via espelhos internos ou repositórios públicos; incluir notebooks prontos para executar e Dockerfiles.
Glossário (rápido)
- Oncogene: gene cuja forma ativada dirige a tumorigênese
- Supressor tumoral: gene cuja perda de função permite o câncer
- Driver vs passenger: alterações causais vs incidentais
- TMB: carga mutacional tumoral (mut/Mb)
- MSI: instabilidade de microssatélites (MMR defeituoso)
- ctDNA: DNA tumoral circulante no plasma
FAQ
- Toda mutação é importante? Não. Priorize drivers (evidência funcional, recorrência, impacto na via).
- Por que os resultados em camundongos nem sempre repetem em humanos? Limitações do modelo (espécie, microambiente, dose, critérios de desfecho).
- Modelos de IA substituem clínicos? Não. Eles aumentam decisões; regulamentação e validação são obrigatórias.
Referências (exemplos ABNT)
- HANAHAN, D.; WEINBERG, R. A. Hallmarks of Cancer: The Next Generation. Cell, v. 144, n. 5, p. 646‑674, 2011.
- HANAHAN, D. Hallmarks of Cancer: New Dimensions. Cancer Discovery, v. 12, n. 1, p. 31‑46, 2022.
- ALBERTS, B. et al. Molecular Biology of the Cell. 6. ed. New York: Garland Science, 2015.
- WEINBERG, R. A. The Biology of Cancer. 2. ed. New York: Garland Science, 2013.
Estilo: use ABNT em todo o site (autor em CAIXA ALTA; título em itálico; edição; local: editora; ano). Para artigos, inclua periódico, volume, número e páginas.
Contribuindo
- Revisar conteúdo existente para precisão e clareza
- Adicionar conceitos, figuras, glossários ausentes
- Criar notebooks/labs com pipelines determinísticos
- Citar fontes (ABNT) e evitar overclaiming
Esta seção é a fundação técnica para entender o câncer — construída para construtores. Mantenha-a afiada, reproduzível e clinicamente fundamentada.