O câncer de bexiga é uma neoplasia urogenital que acomete homens e mulheres, sendo que somente no Brasil 8.600 novos casos ao ano são diagnosticados. Cistoscopia transuretral é a conduta padrão no diagnóstico e acompanhamento do câncer de bexiga. Entretanto, tal procedimento é extremamente invasivo e doloroso além de ter elevado custo e não garantir todos os resultados. Assim, busca-se por marcadores moleculares que possam auxiliar no diagnóstico e progressão do câncer de bexiga, bem como diminuir a necessidade de exames invasivos no acompanhamento de pacientes tratados. Nesse sentido, a urina tem papel de destaque como fonte de biomarcadores devido principalmente ao seu caráter não invasivo.
Nesse trabalho foram utilizadas duas abordagens 'ômicas': proteômica e metabolômica, para a busca de biomarcadores em urina para o diagnóstico e prognóstico do câncer de bexiga, respectivamente. Com a abordagem proteômica buscou-se apenas por biomarcadores para o diagnóstico da doença e, utilizando as técnicas de eletroforese 2-DE, OFFGEL e MS, juntamente com análise estatística multivariada, foi possível identificar 32 proteínas que apresentam-se como potenciais marcadores para o câncer de bexiga. A abordagem metabolômica foi empregada para a busca de biomarcadores para reincidência e progressão da doença. As técnicas analíticas utilizadas nessa abordagem, LC-MS e CE-MS, mostraram-se complementares e, dos resultados obtidos com ambas e avaliados com análise estatística multivariada foi possível indicar 19 metabólitos para reincidência e 23 metabólitos para progressão do câncer de bexiga.
Assim, neste trabalho explorou-se como as ciências 'ômicas', a qual abrange técnicas analíticas de high-throughput, estatística multivariada e ferramentas de bioinformática auxiliando na descoberta de potenciais biomarcadores não invasivos para o diagnóstico e prognóstico do câncer de bexiga. Portanto, o presente estudo foi de grande importância e relevância à medida que ilustrou como tais técnicas podem potencialmente auxiliar no diagnóstico e prognóstico de doenças e contribuir para tratamentos personalizados no futuro, indicando a potencialidade de estudos dessa natureza.

Bladder cancer is an urogenital cancer affecting men and women, and just in Brazil 8,600 new cases are diagnosed annually. Transurethral cystoscopy is a standard conduct in the diagnosis and monitoring of bladder cancer. However, this procedure is extremely invasive, painful, expensive and does not guarantee the best results. Thus, the searching for molecular markers may assist in the diagnosis and monitoring of bladder cancer, as well as decreasing the need for invasive tests in the monitoring of patients treatment. In this way, urine shows an important role as a source of biomarkers, mainly due to its non-invasive nature.
In this work we used two 'omics' approaches: proteomics and metabolomics, to search for biomarkers in urine for the diagnosis and progression of bladder cancer, respectively. The proteomics approach was explored for biomarkers for diagnosing disease. Using 2-DE, OFFGEL electrophoresis, and MS techniques, as well multivariate statistical analysis, they were identified 32 proteins that may be pointed as potential markers for bladder cancer. The metabolomics approach was used to search for biomarkers for progression and recurrence of the disease. The analytical techniques used for this approach, LC-MS and CE-MS, were complementary to each other and the results evaluated with multivariate statistical analysis indicated that 19 metabolites for recurrence and 23 metabolites for progression of bladder cancer could possibly be used for validation studies.
Thus, we demonstrated how the 'omics' sciences, which include high- throughput analytical techniques, multivariate statistical analysis, and bioinformatics tools, aid in the discovery of potential biomarkers for noninvasive diagnosis, evaluate recurrence and monitor progression of bladder cancer. Therefore, this study was of high relevance to demonstrate the potential of such techniques to contribute to studies of personalized medicine.