Uno studio rivela un nuovo modello diagnostico per il cancro della vescica basato su geni mitocondriali chiave

Con milioni di casi di cancro alla vescica (BC) in tutto il mondo, la necessità di strumenti per garantire una diagnosi tempestiva di questa condizione è allarmante. Gli scienziati hanno recentemente utilizzato i geni correlati ai mitocondri (MRG), noti per essere coinvolti nello sviluppo delle malattie, per costruire un nuovo modello diagnostico utilizzando l’apprendimento automatico (ML).

I risultati sono stati pubblicati in Rapporti scientificiCiò indica che il potenziale di questo modello attende ulteriore convalida.

Soggiorno: Previsione dell’apprendimento automatico di un nuovo modello diagnostico che utilizza geni correlati ai mitocondri per pazienti con cancro della vescica. Credito immagine: mi_viri/Shutterstock.com

Cancro alla vescica

Il cancro alla vescica è da tre a quattro volte più comune negli uomini che nelle donne, diventando così la sesta causa di cancro negli uomini. Questa malattia è causata principalmente dal fumo e dall’esposizione a determinati prodotti chimici industriali e di solito colpisce uomini di mezza età e anziani.

Sebbene il cancro della vescica sia più diffuso nelle popolazioni sviluppate, la sua prognosi rimane relativamente infausta nonostante i progressi della medicina. Ciò ha portato allo sviluppo di strumenti diagnostici, modelli diagnostici e approcci terapeutici migliori.

I mitocondri, organelli subcellulari responsabili della produzione di energia, controllano il metabolismo cellulare e regolano processi cellulari chiave come l'apoptosi, la segnalazione e i livelli di ioni calcio.

Le cellule tumorali, che richiedono molta energia, utilizzano principalmente la glicolisi – un percorso anaerobico meno efficiente – a differenza delle cellule normali che si affidano alla fosforilazione ossidativa, un percorso aerobico più efficiente che può produrre fino a 15 volte più energia.

Questa differenza nella produzione di energia fa parte dell’“effetto Warburg”, in cui la funzione mitocondriale anormale porta ad un metabolismo alterato nelle cellule tumorali. Ad esempio, la disfunzione mitocondriale può impedire alle cellule tumorali di andare incontro ad apoptosi, consentendo loro di sopravvivere e diffondersi.

Inoltre, le anomalie mitocondriali possono causare stress ossidativo su componenti cellulari come il DNA e le proteine, il che aumenta il rischio di cancro, conferisce resistenza ai trattamenti antitumorali e promuove la crescita del tumore.

“Considerati gli importanti ruoli svolti dagli MRG nello sviluppo del BC, è importante selezionare nuovi biomarcatori basati sugli MRG per i pazienti con BC“.

L’apprendimento automatico fa parte dell’arsenale dell’intelligenza artificiale (AI), che identifica modelli e conoscenze a partire da dati grezzi senza fornirgli istruzioni dettagliate.

Ciò consente al sistema di prevedere, classificare e riconoscere le tendenze che possono includere modelli trascrizionali associati al tumore. Nel presente studio, i ricercatori hanno cercato di sfruttare il potere dell’apprendimento automatico sulla trascrittomica per costruire un nuovo modello diagnostico per BC basato sugli MRG.

Cosa ha mostrato lo studio?

I ricercatori hanno analizzato 165 campioni di cancro alla vescica (BC) e 67 campioni di controllo per studiare l'espressione differenziale dei geni correlati ai mitocondri (MRG). Hanno identificato 752 MRG espressi in modo differenziale, di cui 440 hanno mostrato un aumento dell'espressione e il resto sovraregolato.

Questi geni sono stati significativamente coinvolti nei percorsi cellulari legati all’embriogenesi, al destino cellulare, alla regolazione trascrizionale, alle malattie neurodegenerative e ai disturbi del tessuto muscolare.

L'analisi ha identificato circa 50 tratti associati alla nascita ed è stata limitata a 13 geni di interesse. Tra questi, la proteina 3 interagente con TRAF3 (TRAF3IP3), il soppressore della crescita dei mitocondri indotto dallo stress ossidativo (OXSM), la N-miristoiltransferasi 1 (NMT1) e la glutaredossina 2 (GLRX2) sono stati trovati come bersagli principali. GLRX2, in particolare, è importante per mantenere l’omeostasi redox all’interno dei mitocondri, aiutando i normali processi cellulari a continuare senza danni ossidativi.

I modelli di espressione di GLRX2, NMT1, OXSM e TRAF3IP3 hanno mostrato evidenti differenze tra i campioni BC e i controlli, ottenendo un'efficacia di differenziazione del 90%. GLRX2, NMT1 e OXSM erano significativamente sovraregolati in BC, mentre TRAF3IP3 era significativamente sottoregolato.

Questi risultati erano coerenti in due set di dati aggiuntivi, dimostrando che questo modello distingue il BC dai campioni di controllo in modo più efficace rispetto ai singoli biomarcatori genetici.

Inoltre, lo studio ha esplorato dove questi geni sono maggiormente espressi e ha scoperto che diversi percorsi immunitari e cellule nel microambiente tumorale rispondono in modo differenziale ai cambiamenti nella regolazione genetica. Ad esempio, livelli più elevati di natural killer attivato (NK) e di plasmacellule erano associati ad una maggiore espressione di GLRX2.

L'espressione di NMT1, che è significativamente sovraregolata in diverse linee cellulari BC, codifica per una proteina importante per la modifica e la segnalazione delle proteine, che può migliorare le interazioni delle cellule tumorali con la matrice extracellulare, un processo chiave nelle metastasi del cancro. Sorprendentemente, la soppressione di NMT1 ha limitato la crescita delle cellule BC, suggerendo il suo ruolo nella progressione del BC.

Conclusioni

L’avvento della trascrittomica e dell’apprendimento automatico nei modelli diagnostici dei tumori ha dato slancio alla ricerca di una diagnosi accurata e precoce del BC senza la necessità di biopsie invasive e dolorose. Questo approccio di apprendimento automatico può aiutare a creare piani diagnostici e terapeutici personalizzati basati sulla selezione dei biomarcatori.

Può anche accelerare le decisioni con maggiore efficienza. Infine, può aiutare a comprendere il processo di sviluppo del tumore attraverso le informazioni che fornisce sulla biologia di base del tumore.

Il presente studio ha identificato quattro geni (GLRX2, NMT1, OXSM e TRAF3IP3) per la diagnosi di BC. Questi sono integrati nel modello diagnostico. Si è scoperto che svolgono anche un ruolo importante nel progresso del BC. Sono necessarie ulteriori ricerche per confermare questi risultati in un campione più diversificato.

“I nostri risultati potrebbero migliorare l’accuratezza e l’affidabilità della diagnosi di BC, contribuendo in futuro a interventi medici più personalizzati ed efficaci per i pazienti.“.