Introducción: Las kalikreínas (KLKs) forman una familia de 15 miembros de serina-proteasas involucradas en múltiples procesos fisiológicos y patológicos. Recientemente nuestro grupo demostró la desregulación de las KLKs en cáncer papilar de tiroides (PTC) y generó un algoritmo de árbol de decisión basado en tres KLKs (algoritmo KLK) que clasifica los PTC en tumores BRAF-like, RAS-like y un nuevo subgrupo de buen pronóstico llamado BRAF/RAS-Unlike (BRU).

Objetivos: Desarrollar una herramienta molecular simple y cuantitativa basada en el algoritmo KLK.

Métodos: La metilación del DNA de KLK10 se analizó mediante bisulfito-pirosecuenciación (BSP). La expresión génica de KLK4, KLK7 y KLK10 se cuantificó mediante RT-qPCR (TaqMan). Se utilizaron 70 muestras FFPE y 24 congeladas de tejido normal (NT) y tumoral. La expresión proteica de KLK7 y KLK10 se valoró mediante inmunohistoquímica (IHQ) en 152 parejas NT/PTC a partir de 12 tissue microarrays (TMAs). Se analizó la mutación de BRAF y RAS mediante secuenciación Sanger.

Resultados: El análisis de metilación de KLK10 presentó una excelente linealidad (R² = 0,979) y una fuerte correlación con la metilación cuantificada mediante el MethylationEPIC Array, usado como gold standard (Pearson r = 0,954, p < 0,00001). El análisis de expresión génica confirmó que KLK4 se expresa mayoritariamente en los NT mientras que KLK7 y KLK10 se expresan principalmente en los tumores BRAF mutados. La IHQ también mostró que KLK7 y KLK10 están sobreexpresadas en los PTC en comparación con los NT (p = 0,003 y p < 0,0001, respectivamente). Aunque los resultados son preliminares, la combinación del análisis de metilación de KLK10 y la expresión génica de KLK4 y KLK7 en NT y tumores BRAF y RAS mutados validan el algoritmo KLK y clasifican las muestras con una tasa de acierto del 100%.

Conclusiones: El algoritmo KLK podría conducir a una nueva estrategia clínicamente aplicable con implicaciones importantes para la estratificación de riesgo de PTC.