A integração de diversas camadas moleculares, como DNA, RNA, proteínas e metabolismo, está impulsionando uma nova era de precisão no diagnóstico e tratamento do câncer. Conhecida como multiômica, essa abordagem inovadora permite uma compreensão mais profunda não apenas das alterações genéticas, mas também de como elas interagem com o organismo e influenciam a resposta a terapias.
Entendendo a Biologia Tumoral em Múltiplas Dimensões
O termo “multiômica” deriva do sufixo “-ômica”, comum nas ciências biológicas para descrever o estudo de conjuntos de moléculas. Na oncologia, essa metodologia permite analisar diferentes facetas de um tumor, indo além da análise isolada da genética e incorporando aspectos funcionais e ambientais que moldam sua evolução. O oncologista Fernando Moura, gerente médico de Medicina de Precisão do Einstein Hospital Israelita, ressalta que as análises multiômicas ampliam a capacidade de entender não só as células cancerígenas, mas também as células inflamatórias, fibroblastos e células normais em seu entorno. “Com essa compreensão, é possível aprimorar o entendimento da biologia tumoral, o diagnóstico e prever desfechos de tratamentos-alvo moleculares ou de imunoterapia”, afirma.
A professora Tathiane Maistro Malta, da FMRP-USP, compara a abordagem a “ler diferentes livros a respeito do mesmo assunto”. Ela explica que a multiômica busca entender o que está acontecendo no tumor em diferentes níveis moleculares para, eventualmente, usar essa informação para eliminar a célula tumoral.
As Diferentes Camadas da Multiômica
As diversas “ômicas” que compõem essa abordagem oferecem visões complementares. A genômica, frequentemente o ponto de partida, identifica alterações no DNA, como mutações e rearranjos. A transcriptômica analisa o RNA para determinar quais genes estão ativos. Já a proteômica foca nas proteínas, as executoras das funções celulares. A metabolômica e a lipidômica investigam como o tumor utiliza energia, nutrientes e gorduras para crescer e interagir com o corpo. Por fim, a epigenômica estuda mecanismos que controlam a expressão gênica sem alterar a sequência do DNA.
Oncologia de Precisão e o Impacto Clínico
A integração desses dados moleculares é fundamental para a oncologia de precisão, que utiliza o perfil biológico do tumor para orientar diagnóstico, prognóstico e a escolha de terapias. Um estudo publicado em 2020 na Genome Medicine indicou que a análise molecular tem sido cada vez mais incorporada às decisões terapêuticas, impulsionada pela descoberta de novos alvos. A combinação de dados multiômicos com inteligência artificial e biópsias líquidas pode prever resistência a medicamentos e permitir ajustes mais personalizados no tratamento.
A professora Tathiane Malta destaca que quanto maior o entendimento da biologia tumoral e de seu comportamento frente a pressões como o sistema imunológico ou o tratamento, maiores as chances de bloquear sua progressão. Ela acredita que a abordagem multiômica, embora estudada em gliomas, pode beneficiar diversos tipos de câncer. O oncologista Fernando Moura corrobora, citando aplicações em gliomas, câncer de pulmão, mama, leucemias e câncer colorretal, onde análises multiômicas auxiliam na estratégia terapêutica, diagnóstico e prognóstico.
Pesquisas recentes demonstram o poder dessa integração. Um estudo na Cell (2020) analisou tumores de mama combinando dados de DNA, RNA e proteínas, refinando subtipos moleculares e identificando processos celulares não captados pela análise isolada do DNA. Em 2022, um artigo na Cell Reports Medicine integrou genômica, transcriptômica, proteômica e fosfoproteômica em adenocarcinomas de pulmão, identificando subtipos moleculares e potenciais vulnerabilidades terapêuticas.
No caso dos gliomas, a multiômica tem revelado alvos terapêuticos e melhorado a estratificação de pacientes. Uma pesquisa na Cancer Cell caracterizou tumores de glioblastoma, identificando subtipos moleculares com diferentes vias biológicas ativas – como respostas imunes, metabolismo e ciclo celular – associadas a estratégias terapêuticas específicas.
Desafios na Integração e Padronização de Dados
Apesar do potencial, o principal desafio da multiômica reside na integração dos dados para orientar decisões clínicas. A inteligência artificial surge como ferramenta crucial nesse processo, auxiliando modelos computacionais a cruzar diferentes camadas de informação biológica e analisar o câncer como um sistema complexo, conforme apontado em uma revisão na Nature Reviews Cancer (abril de 2024). Essa integração amplia a capacidade de prever desfechos clínicos e identificar mecanismos de resistência.
Outra fronteira é a transcriptômica espacial, que mede a atividade gênica preservando a localização celular no tecido. Essa técnica, detalhada em uma revisão no Journal of Cancer Research and Clinical Oncology (2024), permite compreender melhor o microambiente tumoral e as interações entre células cancerosas e imunes, com implicações para metástase, prognóstico e resposta à imunoterapia.
No entanto, a proliferação de tecnologias de diferentes empresas, muitas vezes analisando as mesmas camadas moleculares, gera um desafio de harmonização e padronização de dados. Fernando Moura alerta que a qualidade da leitura por técnicos e bioinformatas é essencial para garantir resultados de maior impacto. Uma revisão na Briefings in Bioinformatics (2025) apontou que a variedade de dados e as diferenças entre as tecnologias de geração dificultam a definição de critérios clínicos consistentes, pois plataformas de sequenciamento podem produzir ruídos técnicos e resultados distintos.
Barreiras Financeiras e de Representatividade no Brasil
O caminho da multiômica até a prática clínica enfrenta barreiras técnicas, financeiras e institucionais. No Brasil, o custo elevado das tecnologias é o principal obstáculo, tornando sua implementação no Sistema Único de Saúde (SUS) inviável no momento, segundo Tathiane Malta. Um relatório da Lancet Oncology Commission (2025) indica que a incorporação da oncologia de precisão varia globalmente, sendo mais presente em centros de alta renda.
Além do custo, a capacitação de profissionais de saúde para indicar e interpretar esses testes é necessária. Outro ponto crítico é a falta de representatividade em bancos de dados biomédicos. Um estudo na Cell Genomics (2025) alertou que a baixa inclusão de populações diversas pode perpetuar disparidades em saúde, pois a composição desses bancos, majoritariamente de origem europeia e norte-americana, não reflete a diversidade genética mundial, levando a diagnósticos e tratamentos menos precisos para grupos sub-representados.
Tathiane Malta enfatiza a necessidade de aumentar a representatividade de amostras brasileiras, dado o perfil genético miscigenado do país. Fernando Moura, contudo, vê o Brasil em posição favorável, com iniciativas de identificação de biomarcadores e desenvolvimento de terapias. No Einstein, estudos de multiômica em tumores como pâncreas, pulmão, gliomas e mieloma estão em andamento, com foco na compreensão detalhada da biologia tumoral. A estruturação de biobancos padronizados é um pilar para essa pesquisa, com a expectativa de que essas estratégias se tornem rotina assistencial em diversas áreas da medicina.
Fonte: CNN BRASIL
