Un team di ricercatori si è sviluppato un nuovo metodo per monitorare la diffusione delle cellule tumorali, fornendo una comprensione più chiara della migrazione del cancro che mai.

La diffusione delle cellule tumorali in diverse parti del corpo, note come metastasi, è l'elemento più pericoloso del cancro. Mla malattia etastatica causa vicino al 90 percentuale di decessi per cancro da tumori solidi.

Comprendere le cause della metastasi è cruciale per lo sviluppo di trattamenti in grado di arrestare la diffusione del cancro.

A maggio, i ricercatori hanno presentato un algoritmo chiamato MACHINA in grado di tracciare la diffusione delle cellule tumorali combinando i dati della sequenza del DNA con le informazioni sulla posizione delle cellule nel corpo.

MACHINA sta per "analisi integrativa della storia metastatica e clonale".

Recentemente, hanno apportato miglioramenti a MACHINA e stanno utilizzando l'algoritmo per sviluppare una comprensione più chiara delle metastasi.

"Il contributo principale del nostro documento è che abbiamo introdotto un algoritmo che deduce i modelli di metastasi dai dati di sequenziamento", ha detto Mohammed El-Kebir, un assistente professore di informatica presso l'Università dell'Illinois a Urbana-Champaign, co-autore dello studio mentre era un ricercatore post-dottorato presso la Princeton University.

"Contrariamente ai metodi precedenti sviluppati per l'uso nell'evoluzione delle specie, il nostro algoritmo MACHINA incorpora un modello evolutivo su misura per il cancro."

MACHINA

Alcune delle informazioni raccolte attraverso l'uso di MACHINA suggeriscono modelli di migrazione delle cellule tumorali che non corrispondono all'attuale comprensione della biologia del cancro.

Nello studio, MACHINA ha tracciato simultaneamente le mutazioni e i movimenti delle cellule per dimostrare che la malattia metastatica può derivare da un numero inferiore di migrazioni cellulari rispetto a quanto precedentemente ipotizzato.

In uno studio su un paziente affetto da cancro al seno, MACHINA ha suggerito che un tumore secondario nel polmone ha causato una malattia metastatica attraverso cinque migrazioni cellulari. Un'analisi precedentemente condotta suggeriva che fosse causata dalle migrazioni di 14.  

"Abbiamo deciso di sviluppare MACHINA dopo aver realizzato che le attuali analisi delle metastasi potrebbero essere errate a causa di assunzioni inadeguate negli algoritmi utilizzati, inizialmente sviluppate per l'uso nell'evoluzione delle specie", ha affermato El-Kebir.

I ricercatori hanno anche usato il loro algoritmo per analizzare le metastasi in pazienti con tumori del melanoma, della prostata e dell'ovaio.  

Hanno aggiunto più funzionalità per migliorare la precisione di MACHINA.

Poiché è stato dimostrato che le cellule tumorali possono viaggiare in cluster, l'algoritmo include un modello per la co-migrazione delle cellule.

L'algoritmo è anche impostato per riconoscere l'incertezza nei dati del DNA derivanti dalle miscele di cellule sane e cellule tumorali.

Un giornale che descrive tutti gli sforzi del team è pubblicato sulla rivista Nature Genetics.

Gryte Satas, uno studente di dottorato a Princeton, era anche un co-autore dello studio.

Implicazioni di MACHINA

Attraverso l'uso di MACHINA, i ricercatori potrebbero scoprire modelli e mutazioni chiave che causano la diffusione del cancro.

"Un algoritmo migliore è come un microscopio migliore" Ben Raphael, un professore di informatica a Princeton e autore senior della ricerca, ha dichiarato in una nota.

“Quando guardi la natura con una lente d'ingrandimento, potresti perdere importanti dettagli. Se guardi al microscopio puoi vedere molto di più. ”

Qual è il prossimo passo?

Il prossimo passo in questo sviluppo è l'applicazione di MACHINA a una grande quantità di campioni primari e metastasi abbinati, ha spiegato El-Kebir.

"Ciò consentirà di identificare modelli comuni di progressione metastatica, comprese le mutazioni che guidano la metastasi", ha detto.

Prima che la tecnologia possa essere utilizzata attivamente dai medici per monitorare la diffusione del cancro, i ricercatori desiderano migliorare l'accuratezza di MACHINA facendo avanzare la tecnologia di sequenziamento con letture più lunghe e meno errori, ha spiegato El-Kebir.

Inoltre, i ricercatori hanno in programma di migliorare il loro metodo incorporando i dati delle cellule tumorali e del DNA nel flusso sanguigno e desiderano riconoscere i dati relativi alle modificazioni chimiche reversibili del DNA.   

Complessivamente, lo sviluppo è promettente e imperativo nella lotta contro il cancro.

"Prevedo che questo nuovo metodo sarà di largo uso per la comunità genomica e farà luce sulla fase più mortale dell'evoluzione del cancro", Andrea Sottoriva, il Chris Rokos Fellow in Evolution and Cancer presso l'Institute of Cancer Research di Londra, ha dichiarato in una nota.