Supera i limiti delle analisi che considerano solo le singole mutazioni genetiche e, ricostruendo modelli di evoluzione tumorale per ciascun paziente, può permettere di identificare schemi evolutivi che si ripetono in diversi malati per terapie sempre più personalizzate. È quello che può fare 'Ascetic', un algoritmo messo a punto da un team di scienziati dell'università di Milano-Bicocca e descritto su 'Nature Communications'.
L'algoritmo è stato applicato a dati derivati da oltre 35mila malati, inclusi pazienti con diverse malattie del sangue, con tumore al polmone in fase precoce o avanzata, e molti altri con differenti neoplasie. È stata inoltre condotta una validazione dei risultati ottenuti su dataset indipendenti, per garantirne l'affidabilità e la capacità di generalizzazione, come spiegano gli autori del lavoro multidisciplinare guidato da Daniele Ramazzotti, docente di Informatica del Dipartimento di Medicina e chirurgia UniMiB, in collaborazione con Alex Graudenzi (Dipartimento di Informatica), Luca Mologni (Dipartimento di Medicina e chirurgia) e le ricercatrici Diletta Fontana, Ilaria Crespiatico e Valentina Crippa, per le attività di valutazione e validazione dei risultati.
Il cancro è un processo evolutivo complesso che coinvolge grandi popolazioni di cellule del corpo umano. Cellule che subiscono mutazioni genetiche e modificazioni epigenetiche, alcune delle quali possono conferire un vantaggio alle cellule tumorali. Questo vantaggio può tradursi in una maggiore capacità di proliferazione e sopravvivenza delle cellule cancerogene, che alla fine può portare all'invasione dei tessuti circostanti e alla formazione di metastasi. Tuttavia, non tutte le mutazioni contribuiscono al processo di sviluppo della malattia. Solo una piccola frazione, le cosiddette 'mutazioni driver', svolge un ruolo funzionale, mentre la maggior parte delle mutazioni sono neutrali: 'mutazioni passenger'. L’algoritmo si basa sull'osservazione che, nella maggior parte dei casi, l'accumulo di mutazioni passenger durante la progressione del cancro segue una dinamica casuale. Per le mutazioni driver responsabili della progressione del tumore, invece, l'evoluzione può portare a un ordine coerente osservato in pazienti diversi.
Ascetic affronta questo problema complesso suddividendolo in tre passaggi chiave. Inizialmente sfrutta modelli di evoluzione per stabilire un ordine tra le mutazioni genetiche driver nei singoli pazienti, consentendo di comprendere la sequenza in cui queste mutazioni si sono verificate nel corso della storia evolutiva degli specifici tumori. In seguito, utilizzando approcci di intelligenza artificiale, individua il modello più adatto a spiegare tutte le singole evoluzioni, offrendo una mappa di come il cancro si sviluppa globalmente per un particolare tipo di tumore. Infine, categorizza i pazienti in base alla loro evoluzione e verifica se questi gruppi presentano curve di sopravvivenza differenti.
"Grazie alla crescente disponibilità di dati biologici provenienti da esperimenti di sequenziamento genetico su pazienti affetti da cancro, e ai progressi nel campo della scienza dei dati e dell'intelligenza artificiale - sottolineano i ricercatori UniMiB - siamo ora in grado di valutare la presenza di specifici modelli evolutivi per i diversi tipi di cancro. Questi modelli, che possiamo definire come firme evolutive, rappresentano i percorsi preferenziali di acquisizione di mutazioni driver, cioè quelle funzionali, durante l'evoluzione del cancro, e possono essere ricorrenti in pazienti con prognosi simile".
"Nonostante questo studio non sia definitivo - commenta Ramazzotti - rappresenta un passo significativo verso la creazione di un 'catalogo' di firme evolutive del cancro, che potrebbe aiutare a comprendere meglio la complessa natura del tumore e a migliorare le previsioni sulla sua progressione e prognosi. Essere in grado di classificare i pazienti affetti da cancro in base alla loro evoluzione molecolare, infatti, potrebbe consentire la previsione dei futuri passi nella progressione della malattia e, di conseguenza, l'attuazione di trattamenti ottimali e personalizzati".
05/10/2023
Curated Tags