PDF Basket
Le mutazioni che si verificano nelle cellule sane possono condurre allo sviluppo di tumori. Nonostante il ruolo potenzialmente svolto dai fattori ereditari, alcune mutazioni sono causate da fattori ambientali, quali l’influenza della luce UV sulle cellule cutanee o le sostanze cancerogene contenute nel tabacco. Inoltre, le mutazioni si verificano in modo casuale durante la divisione cellulare, un processo biologico fondamentale che consente la crescita e la rigenerazione dei tessuti.
«La maggior parte delle mutazioni non altera la funzione cellulare», spiega la docente Nuria Lopez-Bigas, coordinatrice del progetto NONCODRIVERS e ricercatrice presso l’Istituto di ricerca biomedica, in Spagna: «Le definiamo mutazioni passeggere.»
Tuttavia, alcune mutazioni potrebbero fornire alla cellula tumorale la possibilità di proliferare. Una cellula che presenta diverse di queste mutazioni pilota, potrebbe arrivare a un punto in cui la proliferazione incontrollata provoca la formazione tumorale. Un mezzo efficace per individuare queste mutazioni pilota potrebbe permettere lo sviluppo di terapie inedite, in grado di mirare direttamente a tali cellule protooncogene.
Interpretazione dei dati genetici
Il sequenziamento del genoma consente ai ricercatori di individuare tutte le mutazioni di un campione tumorale, il cui numero è nell’ordine di migliaia. Eppure, la maggior parte di queste mutazioni non ha niente a che fare con lo sviluppo del cancro.
«Abbiamo ritenuto che, per ottenere trattamenti efficaci, doveva essere migliorata la fase interpretativa», afferma Lopez-Bigas. «Ci serviva poter dire quali mutazioni erano di tipo oncogeno.»
Per colmare questa lacuna, sono stati raccolti i dati del sequenziamento dei geni ricavati a livello globale da oltre 28 000 tumori. Il progetto NONCODRIVERS, finanziato dall’UE e sostenuto dal Consiglio europeo della ricerca, ha agito in modo innovativo nell’utilizzare l’intelligenza artificiale per condurre l’analisi di questi dati.
«Esiste già una gran mole di dati sui tumori umani», aggiunge Lopez-Bigas. «Volevamo vedere se a tali dati era possibile applicare l’apprendimento automatico, per aiutarci a distinguere meglio tra le mutazioni passeggere e quelle pilota.»
Il team, grazie a un software di apprendimento automatico addestrato sui geni tumorali, ha creato un modello capace di classificare come pilota o passeggere tutte le possibili varianti dei geni tumorali. Ad oggi, Lopez-Bigas e il suo team sono riusciti a creare mappe delle mutazioni pilota per 84 geni tumorali.
Verso trattamenti personalizzati
La possibilità di sapere dove poter rilevare le mutazioni pilota per un tipo specifico di cancro, potrebbe comportare benefici enormi per i pazienti. Anziché somministrare un ciclo generico di chemioterapia, che potrebbe distruggere cellule che non hanno niente a che fare con lo sviluppo del cancro, potrebbero essere somministrati farmaci maggiormente personalizzati e diretti a queste mutazioni pilota. «Si tratta di riparare ciò che non funziona», afferma Lopez-Bigas.
I risultati del progetto sono già stati applicati in contesti clinici. Lo strumento di interpretazione del progetto Cancer Genome, disponibile gratuitamente online, è scaricabile e utilizzabile da ricercatori e medici al fine di contribuire all’identificazione di potenziali biomarcatori per le specifiche tipologie di cancro. Gli utenti inseriscono il tipo di cancro, insieme a informazioni più specifiche e personalizzate, al fine di ricevere informazioni sulle risposte ai farmaci previste.
«Il risultato chiave ottenuto finora è stata la dimostrazione riuscita di questa tecnologia», afferma Lopez-Bigas. «Abbiamo dimostrato che se si dispone di dati sufficienti, è possibile realizzare utili modelli informatici. Ma ciò di cui abbiamo bisogno adesso è una maggior quantità di dati, così da poter generare molteplici modelli per un maggior numero di geni tumorali e tipi di cancro. Maggiore è la quantità di dati a disposizione, migliore sarà il risultato.»
Lopez-Bigas riconosce inoltre la necessità di personalizzare ulteriormente lo strumento, perciò la raccolta di ulteriori dati rappresenta una fase successiva fondamentale. «Quello che riconosciamo come fattore oncogeno per il carcinoma polmonare, ad esempio, potrebbe non essere tale per uno specifico paziente», spiega. «L’età del paziente, il tabagismo e l’eventuale presenza di altre mutazioni nella cellula sono tutti fattori che hanno la loro importanza.»
Perciò un ulteriore contestualizzazione potrebbe rendere lo strumento più accurato, ma il coinvolgimento di maggiori quantità di dati rende i modelli ancora più complessi. «Con NONCODRIVERS, sembra di essere su un sentiero in salita», conclude Lopez-Bigas. «Possiamo vedere la cima della montagna, ma ancora molto da lontano. Siamo ancora all’inizio di questo viaggio.»