Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tendencia
s en
ACCESO Cáncer
ABIERTO
Consulte
La metástasis es responsable del 90% de las muertes en pacientes con cáncer. Destacados
La comprensión del papel del metabolismo durante la metástasis se ha visto Los nuevos avances en tecnologías
limitada por el desarrollo de tecnologías ro- bustas y sensibles que capten los y análisis de espectrometría de
masas pueden revelar eficazmente
procesos metabólicos en las células cancerosas metastásicas. Analizamos las
las características metabólicas de las
tecnologías actualmente disponibles para estudiar (i) el metabolismo en células células cancerosas metastásicas.
cancerosas primarias y metastásicas y (ii) las interacciones metabólicas entre las
células cancerosas y el microambiente tumoral (TME) en diferentes etapas de la Estas nuevas tecnologías pueden
captar las diferencias espaciales y
cascada metastásica. Identificamos las ventajas y desventajas de cada método y temporales en la actividad metabólica
discutimos cómo estas herramientas y tecnologías mejorarán aún más nuestra de las células cancerosas
comprensión de la metas- tasis. Los estudios que investigan el complejo metastásicas.
reordenamiento metabólico de diferentes células utilizando tecnologías
El uso de estas tecnologías metabólicas
metabolómicas de vanguardia tienen el potencial de revelar nuevos procesos bio- puede complementarse con la
lógicos e intervenciones terapéuticas para los cánceres humanos. aplicación adecuada de modelos de
metástasis pertinentes.
1
Departamento de Dermatología,
Universidad
Hospital Essen y German Cancer
Consortium, Partner Site, Essen,
Alemania2 Abramson Family Cancer
Research Institute, Perelman School of
Medicine, University of Pennsylvania,
Philadelphia, PA, USA
3
Departamento de Metabolismo
Molecular, Escuela de Salud Pública
Harvard T.H. Chan, Boston, MA,
EE.UU.
*Correspondencia:
jubellacker@hsph.harvard.edu
(J.M. Ubellacker) y
alpaslan.tasdogan@uk-essen.de
(A. Tasdogan).
Metabolómica unicelular
El análisis unicelular es una tecnología muy prometedora que proporciona información sobre la
heterogeneidad y la dinámica celular en células individuales y se ha empleado para medir la
abundancia del transcriptoma, el proteoma y el metaboloma [22-24]. En tumores primarios y
metastásicos, la metabolómica unicelular (MCE) puede utilizarse para revelar la heterogeneidad
metabólica dentro de una población de células cancerosas. Además,
Tabla 1. Tecnologías metabolómicas y modelos utilizados para analizar el metabolismo de los cánceres en la cascada metastásica
Paso de la cascada Análisis metabólicos Modelo Tecnología metabolómica Referencias
metastásica
Tumor primario Heterogeneidad metabólica In vitro - Cultivos 2D Analizador de flux Seahorse, flux [57,58,79,80]
metabólico.
análisis
Secciones de tejido tumoral
MALDI-MSI [33,34]
Ex vivo - cultivo organotípico de
cortes tumorales Rastreo isotópico, RMN, colorimétrico [66,70]
ensayo
In vivo - PDX, pacientes
Rastreo isotópico, GC-MS, LC-MS [25,47]
singénicos
Rastreo isotópico, GC-MS, LC-MS [50,52]
Reprogramación metabólica Cultivos in vitro - 3D
Invasión Imágenes metabólicas [86]
990 Trends in Cancer, Diciembre 2022, Vol. 8, No. 12
Tendencias en
cáncer ACCESO
Circulación Metabolismo de las células cancerosas In vivo - PDX Rastreo isotópico, GC-MS, LC-MS ABIERTO
[15,48]
metastatizantes
Metástasis Metabolismo de las metástasis en Secciones de tejido tumoral MALDI-MSI [35,36]
diferentes órganos Rastreo isotópico, GC-MS, LC-MS, RMN [11,17,49]
In vivo - PDX
Ex vivo - corte de tejido Rastreo isotópico, RMN [70]
Tabla de claves
Tabla 2. Aplicación de tecnologías metabolómicas para el análisis del metabolismo de células
cancerosas individuales en la cascada metastásica.
Análisis Tecnología Ventajas Desventajas Puede utilizarse Referencias
metabólico metabolómic con células
a cancerosas de:
Metabolómica RMN • Proporciona información posicional • Requiere gran cantidad de muestra Tumor primario [20,94]
no sesgada • Medición cuantitativa • No apto para estudios de metástasis
• Alta reproducibilidad de CTCs
• Limitado a iones de bajo peso molecular
Oxígeno y fluxos Analizador • Medición en tiempo real del • No se pueden obtener Tumor [79,80]
glucolíticos Seahorse flux consumo de oxígeno y de las tasas mediciones absolutas (sólo primario,
de acidificación extracelular. mediciones relativas) metástasis
Heterogeneida Metabolómica • Metabolómica de bajo número de • El aislamiento unicelular puede Tumor primario, [15,28]
d metabólica unicelular células provocar estrés metabólico CTCs, metástasis
Distribución MALDI-MSI • Resolución unicelular • No ioniza iones de bajo peso Tumor [33,38,39]
espacial • Perfil de metabolitos de molecular primario,
de células cancerosas y no • La aplicación de matrices metástasis
metabolito cancerosas puede ser un reto
s • Las CTC no pueden analizarse
Las imágenes de desorción/ionización por láser asistida por matriz (MALDI-MSI) son una
técnica emergente que permite el análisis metabólico unicelular de muestras procesadas
sin etiquetas y muestras de tejido histológico (in situ). MALDI-MSI es un método basado en
matrices que puede distinguir entre el metabolismo de células tumorales, inmunes y
estromales in situ, añadiendo así resolución espacial a la información del estudio
metabolómico a nivel unicelular (~5-50 μm) (Figura 1A) [32-34]. Para categorizar los
diferentes subtipos celulares y su metabolismo, se obtienen imágenes inmunohistoquímicas o
inmunofluorescentes de secciones secuenciales de tejido y se fusionan virtualmente para
detectar el subtipo celular y sus metabolitos correspondientes. Esta tecnología tiene el
994 Trends in Cancer, Diciembre 2022, Vol. 8, No. 12
Tendencias en
cáncer ACCESO
potencial de descubrir nuevas dianas terapéuticas al revelar cómo los microambientes en ABIERTO
diferentes órganos, así como los diferentes nutrientes disponibles en estos
microambientes, influyen en la metástasis del cáncer in situ [35].
Tendencias en cáncer
Figura 1. Aplicaciones potenciales y flujo de trabajo de la metabolómica unicelular y el rastreo isotópico. (A) Flujo de trabajo de la metabolómica
unicelular a partir de la sangre y el tejido tumoral del paciente. Para el análisis de las células cancerosas circulantes en la sangre, las células individuales se
clasifican por citometría de flujo fluido y se someten a disociación por sonicación seguida de apagado metabólico (por ejemplo, con metanol). A continuación, las
muestras se mezclan con una matriz y se irradian con un rayo láser UV. A continuación, las muestras ionizadas entran en el espectrómetro de masas (EM). Para el
análisis in situ de tejido tumoral mediante metabolómica unicelular, los cortes tumorales se someten a una aplicación de matriz moteada para la extracción de
analitos. Los analitos se ionizan mediante irradiación láser UV y se inyectan en el MS. (B) Proceso de rastreo isotópico. Los isótopos pueden administrarse a
pacientes y modelos in vivo, así como aplicarse a modelos in vitro para análisis metabólicos. Se administran por vía intravenosa nutrientes marcados con
isótopos estables. Se recoge sangre y/o tejido tumoral y se extraen los metabolitos. A continuación, las muestras pueden analizarse por LC-MS y/o GC-MS,
generando una distribución de isotopómeros de masa (MID) que revela la actividad metabólica de las células cancerosas y los tumores. Abreviaturas: GC-MS:
cromatografía de gases-espectrometría de masas; LC-MS: cromatografía líquida-espectrometría de masas; MALDI-MS: desorción/ionización-espectrometría de masas
asistida por matriz láser.
Sin embargo, MALDI-MSI tiene limitaciones como la baja sensibilidad; algunas matrices no son
capaces de ionizar una variedad de analitos, como los iones de bajo peso molecular. En segundo
lugar, MALDI-MSI puede provocar la deslocalización de metabolitos por el montaje tisular de la
matriz, lo que reduce la especificidad de los metabolitos detectados en puntos espaciales
individuales [33,40]. Estas limitaciones pueden superarse mediante mejoras en la composición
de la matriz y la preparación de la muestra en relación con el método de elección para la
aplicación de la matriz. Además, también se dispone de tecnologías de metabolómica in situ sin
matriz, como la ionización por electrospray de desorción-espectrometría de masas por
imágenes (DESI-MSI) y la espectrometría de masas de iones secundarios (SIMS) [23,41].
Mientras que SIMS y MALDI-MSI tienen una resolución espacial unicelular/subcelular, DESI-
MSI no y tiene una resolución espacial de ~200 μm. Por lo tanto, la elección del método para
SCM in situ (es decir, MALDI-MSI y SIMS) depende del rango de detección de la relación
masa-carga (m/z), la sensibilidad, el tiempo necesario para la preparación de la muestra y el
análisis de datos [42]. Hasta la fecha, MALDI sigue siendo la técnica de ionización más
popular para MSI debido a su alta sensibilidad y cómodo análisis de espectros.
El rastreo isotópico se caracteriza por el seguimiento de nutrientes, marcados con isótopos estables
(p. ej.,13 C,2 H y15 N) o radiactivos (p. ej.,18 F,3 H,14 C), que se analizan posteriormente
mediante EM y/o RMN (Figura 1B). Este método identifica dónde se metabolizan los átomos del
sustrato infundido (trazador). Por lo tanto, el rastreo isotópico proporciona información
detallada sobre las contribuciones a vías específicas, es decir, un sustrato que se
metaboliza a través de la vía de la pentosa fosfato, el ciclo del ácido tricarboxílico (TCA),
etc. [44]. [44]. Para cuantificar e interpretar los estudios de trazado isotópico, se requieren
algunas condiciones: (i) la infusión del trazador isotópico debe ser a
estado estacionario isotópico
dt ( d 0), en el que la incorporación de los átomos marcados isotópicamente es constante
a lo largo del tiempo; (ii) el sistema debe encontrarse en un estado metabólico estacionario, en el que los sustratos no estén
limitados;
(iii) durante la infusión de isótopos, la concentración del trazador debe ser equivalente a la
concentración circulante para garantizar el rastreo de las vías (y no la actividad dependiente de
la concentración del isótopo) [45]. La infusión de trazadores de isótopos estables tiene una
sensibilidad relativamente menor en comparación con los trazadores radiactivos, ya que la
abundancia natural de isótopos es distinta de cero. Concretamente,13 C,15 N y2 H tienen
una abundancia isotópica natural del 1,16%, 0,337% y 0,0156%, respectivamente. Aunque
los trazadores radiactivos se utilizan ampliamente en el diagnóstico de pacientes con cáncer, ya
que proporcionan una medición directa de la captación de glucosa [18 F-FDG
(fluorodesoxiglucosa), un análogo radiactivo de la glucosa], los trazadores radiactivos tienen
desventajas significativas, como los posibles efectos tóxicos de la radiactividad, la
necesidad de separaciones químicas, tiempos de semidesintegración más cortos (es decir,
18F t
1/2 = 108 min) y la necesidad de medir por separado las especies radiactivas y no
Sin embargo, el rastreo isotópico tiene desventajas, la principal de las cuales es el gasto, ya
que se requieren grandes cantidades de reactivo isotópico para un enriquecimiento suficiente.
Otra desventaja es la inevitable saturación del isótopo infundido con el tiempo, ya que los
trazadores se administran mediante fusiones con bolos o inyecciones y acaban distribuyéndose por
todos los compartimentos biodisponibles del modelo animal. Por ello, los métodos no invasivos de
administración de trazadores, como las dietas líquidas, podrían ser una opción favorable para la
administración a largo plazo [53]. No obstante, el método de dieta líquida debe evaluarse
cuidadosamente en función de la cuestión científica propuesta, ya que las variaciones en el
comportamiento alimentario también promoverán un desequilibrio en la captación del
trazador. Es importante señalar que el rastreo isotópico puede proporcionar información
sobre las vías metabólicas activas; sin embargo, sólo proporciona enriquecimiento y no
proporciona ninguna medida de flux por sí mismo.
Muestras de pacientes
Cultivo de tejidos ex vivo
Las biopsias de tejido se utilizan de forma rutinaria para el diagnóstico de tumores
malignos y benignos. Las biopsias de tejido han surgido como modelo para estudios de
fenotipado metabólico, ya que a menudo representan toda la compleja estructura de la EMT y,
por tanto, son una herramienta potencial para la detección, el pronóstico y el diagnóstico de
enfermedades [65,66]. Recientemente, los métodos de cultivo ex vivo han evolucionado
significativamente, especialmente para la preparación de tejidos y modelos de cultivo de tejidos
tumorales [67]. El método de cortes tisulares de precisión (PCTS, por sus siglas en inglés) corta
eficazmente tejidos en decenas de micras preservando la arquitectura tisular, las características
fenotípicas y la actividad metabólica de los tejidos tumorales en cultivo [68,69]. Utilizando un
modelo de rebanada de tejido de cultivos organotípicos de pulmón, rebanadas de tumores
1002 Trends in Cancer, Diciembre 2022, Vol. 8, No. 12
Tendencias en
cáncer ACCESO
primarios y tumores de pulmón con metástasis cerebral, Fan y sus colegas han ABIERTO
demostrado el impacto de la inmunoterapia en varias vías metabólicas utilizando trazadores
metabólicos en cultivo [70]. Además, otros estudios manipularon la disponibilidad de oxígeno y
nutrientes en cultivo para examinar el metabolismo de fármacos [71,72].
El cultivo de tejidos ex vivo ofrece varias ventajas, como su bajo coste, la rapidez de los
ensayos de detección de fármacos y el control explícito de los nutrientes (por ejemplo, la
composición del medio y la tensión de oxígeno), lo que resulta especialmente valioso en los
estudios sobre el cáncer debido a la diferente disponibilidad de oxígeno en los tumores
primarios, la circulación y los sitios metastásicos [68,73,74]. Sin embargo, los cortes de tejido
en cultivo también tienen limitaciones. Debido a la
diferentes tipos de tumores, los tumores más blandos no se cortarán tan bien como los
tumores sólidos/calcificados, lo que limita la gama de tipos de tumores que pueden analizarse
en cultivos de tejidos. Además, pueden ser necesarias varias secciones del mismo tumor
debido a la alta heterogeneidad intratumoral, lo que dificulta el análisis de muestras más
pequeñas, especialmente teniendo en cuenta el tamaño de las metástasis, que a menudo
son más pequeñas que los tumores primarios. En este sentido, también es relevante
mencionar que los modelos in vitro también tienen limitaciones para el análisis de
comparación metabólica debido a la disponibilidad de tumores primarios con tejido metastásico
emparejado.
Además, uno de los principales retos en los estudios metabólicos in vitro es la correcta selección de
los medios de cultivo celular, ya que los factores ambientales afectan directamente al metabolismo
de las células [75]. Los medios fisiológicos recapitulan la composición del plasma humano
como alternativa en comparación con los medios de cultivo estándar y contienen
metabolitos y sales en concentraciones fisiológicas [76,77]. Sin embargo, es importante
tener en cuenta que para cada hipótesis experimental (por ejemplo, tejido tumoral
primario frente a tejido metastásico), debe evaluarse la composición adecuada de los medios
para reflectar las condiciones de nutrientes y oxígeno altamente variables que varían en
función de la ubicación del órgano.
Las interacciones de las células cancerosas están organizadas arquitectónicamente para controlar
las vías de proliferación, señalización y motilidad que alteran directamente su metabolismo
durante la metástasis. En un interesante experimento en el que se comparan células de
cáncer de mama en cultivos 2D y 3D, los autores han demostrado que las células
cancerosas tienen diferentes necesidades metabólicas causadas por su disposición estructural,
que impulsa la remodelación de la matriz extracelular (MEC) para el desarrollo del nicho
metastásico [81]. Por lo tanto, los cultivos en 3D, como los esferoides y los organoides, se han
convertido en un modelo alternativo para estudiar el metabolismo tumoral en un entorno
estructurado más complejo, ya que imitan características tumorales importantes como la
heterogeneidad celular, la interacción célula-ECM y el transporte de nutrientes, oxígeno y señales
intercelulares. Para más información sobre los modelos 3D in vitro, véase [82]. La combinación
de modelos 3D y tecnologías metabolómicas avanzadas puede exponer información
metabólica importante en la investigación del cáncer. Recientemente, se ha conseguido mejorar la
medición de la tasa metabólica en cultivo en un único esferoide canceroso con menos de 2500
células mediante RMN de microfluidos [83]. Además, los ensayos en 3D se utilizan ampliamente
1004 Trends in Cancer, Diciembre 2022, Vol. 8, No. 12
Tendencias en
cáncer ACCESO
para imitar pasos importantes de la cascada metastásica, como la migración y la invasión. ABIERTO
Recientemente, Seo y sus colegas desarrollaron un sistema 3D de metastasis-on-a-chip, co-
cultivo heterogéneo de células cancerosas y células estromales, para analizar las
alteraciones metabólicas durante la migración. Demostraron que los lípidos son la fuerza
motriz de la migración de las células cancerosas mediante la regulación al alza del factor
inducible por hipoxia 1-alfa (HIF-1α) [84]. Para los ensayos de invasión, el método más común
consiste en medir la capacidad de las células cancerosas para invadir Matrigel o colágeno, que
imitan la MEC.
[85]. Utilizando esferoides de células de cáncer de mama, Zhang y sus colegas han
demostrado, mediante el uso de imágenes metabólicas, que las células de cáncer de mama
invaden las matrices circundantes de una manera organizada en la que las células
cancerosas con un fenotipo más invasivo muestran una mayor captación de glucosa que las
células con un fenotipo invasivo leve [86].
En resumen, los modelos de cáncer in vitro utilizados junto con tecnologías metabolómicas
avanzadas son una tecnología valiosa, ya que profundizan en el conocimiento de las
alteraciones metabólicas clave relacionadas con la malignidad tumoral. Estos modelos ofrecen
varias ventajas, como un bajo coste y un alto rendimiento para el cribado de fármacos, una
alta reproducibilidad y la posibilidad de analizar el metabolismo en pasos específicos de la
cascada metastásica. Sin embargo, los modelos in vitro aún carecen de la complejidad de
los modelos in vivo en lo que respecta a las condiciones ambientales y la compleja
composición de las células inmunitarias y estromales en la EMT y la vasculatura. Además, se
ha demostrado que las células cancerosas cultivadas tienen un fenotipo metabólico
diferente al de los tumores in vivo [59]. Aunque se siguen introduciendo mejoras en los
modelos y las condiciones de cultivo, los avances recientes en las plataformas órgano-en-
un-chip y el desarrollo de sistemas microfluídicos complejos para imitar la cascada
metastásica están potenciando el valor de los modelos in vitro para los estudios preclínicos.
Se han realizado grandes esfuerzos para mejorar las formas de procesar los datos de EM. Esto
incluye mzMINE, XCMS, y Global Natural Products Social Molecular Networking (GNPS), con
GNPS y XCMS teniendo un uso primario [87-89]. GNPS sirve como repositorio de datos MS sin
procesar, a la vez que proporciona métodos para la identificación de metabolitos y el análisis MS.
Aunque actualmente no se utiliza en el estudio de la metástasis o la biología tumoral, es posible
obtener información sobre la biología utilizando FBA. El FBA puede utilizarse para comprender
cómo las perturbaciones bioquímicas pueden afectar a distintos parámetros, como la tasa de
crecimiento tumoral o el potencial de metástasis [90]. El FBA es útil para comprender sistemas
complejos, como las interacciones entre las enfermedades humanas y la microbiota intestinal, y
tiene el potencial de adaptarse al estudio de sistemas complejos de biología tumoral [91].
MetaboAnalyst se utiliza en el campo de la investigación del metabolismo y es una plataforma
de libre acceso para la normalización de datos, análisis estadístico, análisis funcional para la
metabolómica de destino, y el análisis integrador, así como la interpretación de los datos de
metabolómica global [92]. Múltiples estudios metabólicos han utilizado MetaboAnalyst para el
análisis de datos, el enriquecimiento de vías y la interpretación [93,94], y la versión más
reciente (v5.0) incluye mejoras en el procesamiento de datos de metabolómica global en
bruto [95].
La falta de procedimientos analíticos normalizados entre las distintas instituciones crea una barrera Preguntas pendientes
para el desarrollo de nuevas bases de datos de código abierto. ¿Cómo podemos mejorar los
métodos metabolómicos para medir la
heterogeneidad de las células
Mientras que muchos estudios han publicado pipelines analíticos, herramientas web y análisis que
cancerosas a nivel unicelular en
utilizan conjuntos de datos transcriptómicos y genómicos para investigar las vías circulación?
metabólicas asociadas al cáncer [100,101], no se dispone de ninguna base de datos con datos
proteómicos de tumores primarios o metástasis. Por lo tanto, todos los métodos mencionados Cómo podemos superar los retos que
plantea la detección robusta del
aquí podrían utilizarse en primer lugar para probar hipótesis, pero aún carecen de validación
profil metabólico en un número
funcional in vitro o in vivo. reducido de células y a partir de
muestras pequeñas?
Conclusiones
¿Podemos aprovechar los cambios
El campo de la investigación metabolómica del cáncer ha evolucionado enormemente con el tempranos en el metabolismo de las
desarrollo de las nuevas tecnologías y herramientas que se destacan en esta revisión. Estas células cancerosas metastásicas
tecnologías han ayudado a identificar alteraciones metabólicas en tumores primarios y en para mejorar el pronóstico de los
pacientes?
sitios metastásicos distantes que se han aplicado en la clínica para el diagnóstico y la
terapia del cáncer. Sin embargo, los avances más recientes de estas tecnologías han ¿Cómo podemos utilizar los cambios
permitido analizar las células cancerosas metastásicas. Estas técnicas tienen el potencial de metabólicos en las células
descubrir por qué sólo algunas células cancerosas sobreviven en el torrente sanguíneo durante la metastásicas para estratificar qué
pacientes corren mayor riesgo de
metástasis, cómo cambia su metabolismo y por qué metastatizan en órganos secundarios desarrollar metástasis a distancia?
específicos. Sin embargo, aún quedan por dilucidar mejoras en la sensibilidad de la detección
de metabolitos y en la caracterización de los perfiles metabólicos "malignos" de las células ¿Cómo mejorar la fiabilidad y
disponibilidad de las tecnologías
cancerosas metastásicas para la estratificación, el pronóstico y el tratamiento de los pacientes
metabolómicas para el diagnóstico y
(véanse las Preguntas pendientes). A lo largo de la próxima década, el descubrimiento de las pronóstico de los pacientes?
vías metabólicas de las células cancerosas metastásicas y su estudio continuarán revelando
nuevas dianas terapéuticas con potencial para reducir la propagación metastásica y mejorar ¿Puede la metabolómica espacial
conducir a nuevos desarrollos
el pronóstico y la supervivencia de los pacientes.
terapéuticos para prevenir la metástasis
del cáncer? ¿Cuándo podrán
Contribuciones de los autores traducirse los hallazgos de estas
L.M.N.M., N.P.L., M.S., A.T. y J.M.U. redactaron el manuscrito. tecnologías en dianas terapéuticas?
Agradecimientos
A.T. recibió una beca Emmy Noether de la Fundación Alemana de Investigación (DFG, 467788900) y del Ministerio de
Cultura y Ciencia del Estado de Renania del Norte-Westfalia (NRW-Nachwuchsgruppenprogramm). J.M.U. recibió el apoyo
de la Melanoma Research Foundation Career Development Award y de la Breast Cancer Alliance Young Investigator
Grant. Las figuras se crearon con BioRender.
Declaración de intereses
Los autores declaran no tener conflictos de interés.
Tendencias
12. Bergers, en células de melanoma que metastatizan. Nature 585, 113-
118
cáncer
G.
Fendt,
y 18. Barberini, L. et al. (2019) A gas chromatography-mass spec-
trometry (GC-MS) metabolomic approach in human colorectal
ACCESO
S.M. cancer (CRC): the emerging role of monosaccharides and ABIERTO
(2021) El amino acids. Ann. Transl. Med. 7, 727
metaboli 19. Goto, R. et al. (2015) Quantitative LC-MS/MS analysis of proteins
smo de involved in metastasis of breast cancer. PLoS One 10, e0130760
las 20. Zhang, H. et al. (2018) 1H NMR metabolic profiling of gastric cancer
células patients with lymph node metastasis. Metabolomics 14, 47
canceros
as
durante
la
metásta
sis. Nat.
Rev.
Cancer
21, 162-
180
13. Ganesh, K. y Massague, J. (2021) Targeting metastatic cancer.
Nat. Med. 27, 34-44
14. Sullivan,
M.R. et
al.
(2019)
Quantific
ation of
microenvi
ronmenta
l
metaboli
tes in
murine
cancers
reveals
determin
ants of
tumor
nutrient
availabili
ty. eLife
8,
e44235
15. DeVilbiss,
A.W. et
al.
(2021)
Metabolo
mic
profiling
of rare
cell pop-
ulations
isolated
by flow
cytometr
y from
tissues.
eLife 10,
e61980
16. Luo, X.
and Li,
L.
(2017)
Metabol
omics of
small
numbers
of cells:
metabol
omic
profiling
of 100,
1000,
and
10000
human
breast
cancer
cells.
Anal.
Chem.
89,
11664-
11671
17. Ubellack Trends in Cancer, Diciembre 2022, Vol. 8, No. 1 2 1009
Tendencias en
ACCESO cáncer
ABIERTO
cáncer
A short
52.
tumores de pulmón humanos. Cell 171, 358-371
Courtney, K.D. et al. (2018) El rastreo isotópico de
ACCESO
isoform
of
carcinomas humanos de células renales claras demuestra ABIERTO
la supresión de la oxidación de la glucosa in vivo. Cell
spermat
Metab. 28, 793-800
ogenic
53. Sun, R.C. et al. (2017) Noninvasive liquid diet delivery of stable
enzyme
isotopes into mouse models for deep metabolic network tracing.
GAPDH
Nat. Commun. 8, 1646
S
54. Brodsky, A.N. et al. (2019) El lactato extracelular elevado
function
provoca carboxilación reductora en líneas celulares de tejido
s as a
mamario cultivadas en condiciones de normoxia. PLoS One
metabol
14, e0213419
ic
55. Dai, Z. y Locasale, J.W. (2017) Comprender el metabolismo con
switch
and Análisis de flux: de la teoría a la aplicación. Metab. Eng. 43, 94-102
limits 56. Antoniewicz, M.R. (2015) Methods and advances in metabolic
metasta flux analysis: a mini-review. J. Ind. Microbiol. Biotechnol.
sis in 42, 317-325
melano 57. Jiang, L. et al. (2016) Reductive carboxylation supports
ma. redox homeostasis during anchorage-independent growth.
Cancer Nature 532, 255-258
Res. 58. Lee, W.D. et al. (2019) Spatial-fluxomics provides a subcellular-
82, compartmentalized view of reductive glutamine metabolism in
1251- cancer cells. Nat. Commun. 10, 1351
1266 59. Davidson, S.M. et al. (2016) Environment impacts the metabolic
48. Labusch dependencies of Ras-driven non-small cell lung cancer. Cell
agne, Metab. 23, 517-528
C.F. et 60. Hines, K.M. et al. (2015) Application of high-resolution
al. mass spectrometry to measure low abundance isotope
(2019) enrichment in individual muscle proteins. Anal. Bioanal.
Cell Chem. 407, 4045-4052
clusterin 61. Kim, I.Y. et al. (2016) Applications of stable, nonradioactive iso-
g tope tracers in in vivo human metabolic research. Exp.
promot Mol. Med. 48, e203
es a 62. Hui, S. et al. (2017) La glucosa alimenta el ciclo del TCA a
met- través del lactato circulante. Nature 551, 115-118
abolic 63. Rahim, M. et al. (2021) Multitissue 2H/13C flux analysis reveals
switch reciprocal upregulation of renal gluconeogenesis in hepatic
that PEPCK-C-knockout mice. JCI Insight 6, e149278
support 64. Hasenour, C.M. et al. (2015) Mass spectrometry-based
s microassay of 2H and 13C plasma glucose labeling to
metasta quantify liver metabolic fluxes in vivo. Am. J. Physiol.
tic Endocrinol. Metab. 309, 191-203
coloniza 65. Weitz, J.R. et al. (2021) Using organotypic tissue slices to investi-
tion. gate the microenvironment of pancreatic cancer: pharmacotyping
Cell and beyond. Cancers (Basilea) 13, 4991
Metab. 66. Kenerson, H.L. et al. (2020) Tumor slice culture as a
30, biologic surrogate of human cancer. Ann. Transl. Med. 8,
720- 114
734 67. Kenerson, H.L. et al. (2021) Protocol for tissue slice
49. Christen cultures from human solid tumors to study therapeutic
, S. et response. STAR Protoc. 2, 100574
al. 68. Misra, S. et al. (2019) Ex vivo organotypic culture system of
(2016) preci- sion-cut slices of human pancreatic ductal
Breast adenocarcinoma. Sci. Rep. 9, 2133
cancer- 69. Zhang, Y. et al. (2022) A preclinical model combining cryopreser-
derived vation technique with precisioncut slice culture method to assess
lung the in vitro drug response of hepatocellular carcinoma. Int. J.
metasta Mol. Med. 49, 51
ses 70. Fan, T.W. et al. (2021) Activación inmunitaria innata por
show inhibición de puntos de control en tejidos de cáncer de
increas pulmón humano derivados de pacientes. eLife 10, e69578
ed 71. de Hoyos-Vega, J.M. et al. (2020) A versatile microfluidic device
pyruvat for multiple ex vivo/in vitro tissue assays unrestrained from
e tissue topography. Microsyst. Nanoeng. 6, 40
carboxy
lase-
depend
ent
anapler
osis.
Cell
Rep.
17,
837-
848
50. Johnsto
n, K. et
al.
(2021)
Isotope
tracing
reveals
glycolysi
s and
oxidativ
Trends in Cancer, Diciembre 2022, Vol. 8, No. 1 2 1011
Tendencias en
ACCESO cáncer
ABIERTO
cáncer
(2020
Genome Atlas. Nat. Commun. 9, 5330
102. Liu, X. et al. (2020) LC-MS-based plasma metabolomics
ACCESO
)
Lípido
and lipidomics analyses for differential diagnosis of bladder ABIERTO
cancer and renal cell carcinoma. Front. Oncol. 10, 717
s y
103. Maher, E.A. et al. (2012) Metabolism of [U- 13C]glucose in
cánce
human brain tumors in vivo. NMR Biomed. 25, 1234-1244
r:
104. Elia, I. et al. (2017) Proline metabolism supports metastasis for-
funci
mation and could be inhibited to selectively target metastasizing
ones
cancer cells. Nat. Commun. 8, 15267
emer
105. Rinaldi, G. et al. (2021) In vivo evidence for serine biosynthesis-
gente
defined sensitivity of lung metastasis, but not of primary breast
s en
tumors, to mTORC1 inhibition. Mol. Cell 81, 386-397
la
106. Parida, P.K. et al. (2022) Metabolic diversity within breast
patog
cancer brain-tropic cells determines metastatic fitness. Cell
énesi
Metab. 34, 90-105
s, el
107. Bakir, B. et al. (2020) EMT, MET, plasticity, and tumor metasta-
diagn
sis. Trends Cell Biol. 30, 764-776
óstic
108. Colvin, H. et al. (2016) Oncometabolite D-2-
o y la
hydroxyglurate directly induces epithelial-mesenchymal
interv
transition and is associated with distant metastasis in
enció
colorectal cancer. Sci. Rep. 6, 36289
n
109. Rosland, G.V. et al. (2019) Epithelial to mesenchymal transition
terap
éutic (EMT) is associated with attenuation of succinate dehydroge-
a. nase (SDH) in breast cancer through reduced expression of
Adv. SDHC. Cancer Metab. 7, 6
Drug 110. Atlante, S. et al. (2018) L a inhibición de la α-cetoglutarato
Deliv deshidrogenasa contrarresta la metástasis pulmonar
. asociada al cáncer de mama. Cell Death Dis. 9, 756
Rev. 111. Dalla Pozza, E. et al. (2020) Regulation of succinate dehydroge-
159, nase and role of succinate in cancer. Semin. Cell Dev. Biol. 98,
245- 4-14
293 112. Ji, R.C. (2014) Hipoxia y linfangiogénesis en el microambiente
99. Li, Z. tumoral y la metástasis. Cancer Lett. 346, 6-16
et al. 113. Lin, D. et al. (2021) Circulating tumor cells: biology and clinical
(202 significance. Signal Transduct. Target. Ther. 6, 404
0) 114. Gao, Y. et al. (2019) Metastasis organotropism: redefining
Gota the congenial soil. Dev. Cell 49, 375-391
s 115. Schild, T. et al. (2018) Unique metabolic adaptations
lipídic dictate distal organ-specific metastatic colonization. Cancer
as y Cell 33, 347-354
su 116. Griffiths, J. (2008) Breve historia de la espectrometría de
impli masas. Anal. Chem. 80, 5678-5683
cació 117. Schmidt, D.R. et al. (2021) Metabolómica en la
n en investigación del cáncer y aplicaciones emergentes en
la oncología clínica. CA Cancer
progr J. Clin. 71, 333-358
esión 118. McLafferty, F.W. (2011) Un siglo de progreso en la
del espectrometría de masas molecular. Annu. Rev. Anal. Chem.
cánc 4, 1-22
er. 119. Musharraf, S.G. et al. (2015) Plasma metabolite profiling and chemo-
Am. metric analyses of lung cancer along with three controls through gas
J. chromatography-mass spectrometry. Sci. Rep. 5, 8607
Canc
120. Emwas, A.H. et al. (2019) Espectroscopia de RMN para metabolómica.
er
investigación. Metabolitos 9, 123
Res.
121. Pantel, A.R. et al. (2018) Obtención de imágenes del
10,
metabolismo del cáncer: biología subyacente y estrategias
4112
emergentes. J. Nucl. Med. 59, 1340-1349
-
122. Vanhove, K. et al. (2019) Correlations between the metabolic
4122
profile and 18F-FDG-positron emission tomography-computed
100. Kim,
tomography parameters reveal the complexity of the metabolic
P. et
al. reprogramming within lung cancer patients. Sci. Rep. 9, 16212
(201 123. Chen, H.Y. et al. (2020) Hyperpolarized 13C-pyruvate MRI de-
6) tects real-time metabolic flux in prostate cancer metastases
ccmG to bone and liver: a clinical feasibility study. Prostate Cancer
DB: Pros- tatic Dis. 23, 269-276
una
base
de
datos
de
gene
s del
meta
bolis
mo
celul
ar
del
cánc
er.
Nucl
eic
Acids
Res.
44, Trends in Cancer, Diciembre 2022, Vol. 8, No. 1 2 1013