Roma, 9 settembre – Un team di ricercatori della prestigiosa e secolare Weill Cornell Medicine di New York coordinati da Ekta Khurana (nella foto), professore associato di Fisiologia e Biofisica della scuola, utilizzando l’intelligenza artificiale ha identificato e convalidato sperimentalmente quattro farmaci candidati per i tumori neuroendocrini, epatici e renali, che hanno una prognosi infausta con le attuali opzioni terapeutiche. L’Ai, in particolare, è servita a identificare i target dei farmaci basandosi sulla mappatura delle reti regolatrici nei tumori dei pazienti, come spiega lo studio pubblicato lo scorso 4 settembre su CellSystems.
I ricercatori hanno sviluppato un approccio computazionale innovativo, denominato Cancer Regulatory Networks and Susceptibilities (CaRNetS), per scoprire proteine chiave che possono essere bersagli farmacologici per la terapia del cancro all’interno delle reti di regolazione genica. Sono stati identificati bersagli noti come BRAF nella pelle, CTNNB1 (B-catenina) nel colon ed ERBB2 (Her2) nei tumori polmonari.
“Con questi casi positivi noti come punti di riferimento, abbiamo cercato di convalidare i migliori candidati nei tumori con terapie mirate efficaci e limitate” spiegano gli autori dello studio, aggiungendo di aver utilizzato l’approccio computazionale per trovare i fattori chiave di trascrizione e le loro proteine interagenti, che potrebbero essere punti vulnerabili che possono essere presi di mira per fermare o rallentare la crescita del tumore.
I fattori di trascrizione sono proteine che si legano a specifiche sequenze di Dna e regolano l’espressione dei geni, attivandone e disattivandone la produzione. Utilizzando CaRNets su campioni di tumore dei pazienti, i ricercatori sono stati in grado di raggruppare i pazienti in 22 gruppi: nove corrispondevano a un solo tipo di cancro e 13 contenevano pazienti con più tipi di cancro. L’approccio ha rivelato bersagli farmacologici per tutti i 22 cluster.
I ricercatori hanno convalidato quattro di queste proteine candidate nelle cellule. Hanno scoperto che l’inibizione delle proteine identificate influenzava in modo significativo la crescita delle linee cellulari che rappresentavano tipi di cancro renale, epatico e neuroendocrino rispetto ai controlli.
I ricercatori prevedono che, con la facilità di misurare l’accessibilità della cromatina dai tessuti dei pazienti su larga scala, il loro approccio computazionale sarà ampiamente utilizzato per trovare nuove opzioni di trattamento per più tipi e sottotipi di cancro.
