Le firme glicosidiche delle IgG potrebbero rivoluzionare la diagnosi del tumore al polmone

Il cancro al polmone rimane uno dei tumori più letali a livello globale, in parte perché viene spesso diagnosticato tardivamente. I biomarcatori non invasivi su base ematica in grado di rilevare in modo affidabile il carcinoma polmonare non a piccole cellule (NSCLC) in fase precoce sono urgentemente necessari. Questo studio esplora se le molecole di zucchero legate agli anticorpi immunoglobulina G (IgG) — note come N-glicani — possano svolgere questo ruolo.

Ricercatori dell'Università della Scienza e della Tecnologia di Huazhong hanno profilato gli N-glicani dell'IgG sierica in 314 pazienti con NSCLC e 364 controlli sani mediante spettrometria di massa MALDI-TOF, una piattaforma analitica ad alto rendimento. I risultati sono stati validati tramite un saggio ELISA basato su lectina, è stato applicato il machine learning per costruire un modello diagnostico e sono state condotte randomizzazioni mendeliane a due campioni per indagare le relazioni causali.

I pazienti con NSCLC hanno mostrato alterazioni della glicosilazione distintive: riduzione della galattosilation, della monosialilazione e dell'N-acetilglucosamina bisettante, con aumento dell'agalattosilation rispetto ai controlli sani. È importante sottolineare che queste alterazioni dei glicani dell'IgG erano correlate ai profili degli N-glicani dell'intero siero, suggerendo che l'IgG contribuisce in modo significativo alle anomalie dei glicani sierici precedentemente osservate. Il saggio con lectina ha confermato in modo indipendente la riduzione della galattosilation e della sialilazione sull'IgG.

Un pannello di otto glicani ha dimostrato una robusta capacità di discriminare i pazienti con NSCLC dai controlli. La randomizzazione mendeliana ha inoltre rivelato un'associazione causale inversa tra il rapporto IgG FS1/FS2 e il rischio di NSCLC, rafforzando la plausibilità biologica dei risultati piuttosto che attribuirli esclusivamente all'infiammazione correlata alla malattia.

Lo studio è limitato dal suo disegno trasversale e dal fatto che è disponibile pubblicamente solo un abstract, il che impedisce una valutazione completa delle metriche di performance del modello e delle caratteristiche demografiche della coorte. Ciononostante, la combinazione di un'ampia dimensione campionaria, la validazione ortogonale, il machine learning e i metodi di inferenza causale costituisce un caso convincente a favore dei glicani dell'IgG come biomarcatori dell'NSCLC clinicamente actionable, meritevoli di una validazione prospettica.