I tumori non sono costituiti da un solo tipo di cellula: sono un mix di cellule diverse che crescono e rispondono al trattamento in modi diversi. Questa diversità, o eterogeneità, rende il cancro più difficile da trattare e può a sua volta portare a esiti peggiori, soprattutto nel carcinoma mammario triplo negativo. L’eterogeneità è un problema perché attualmente trattiamo i tumori come se fossero composti dalla stessa cellula. Ciò significa che somministriamo una terapia che uccide la maggior parte delle cellule tumorali prendendo di mira un meccanismo specifico. Ma non tutte le cellule tumorali possono condividere quel meccanismo. Di conseguenza, mentre il paziente può avere una risposta iniziale, le cellule rimanenti possono crescere e il cancro può ripresentarsi.
Ma sebbene l’eterogeneità sia un problema, i ricercatori non hanno conoscenze sufficienti per caratterizzarla, almeno fino ad ora. Per risolvere questo problema, un team guidato dalla professoressa associata Christine Chaffer, co-direttrice del Cancer Plasticity and Dormancy Program presso il Garvan Institute, ha sviluppato e addestrato un nuovo potente strumento di intelligenza artificiale chiamato AAnet, in grado di rilevare modelli biologici nelle cellule tumorali. Hanno quindi utilizzato lo strumento di intelligenza artificiale per scoprire modelli nel livello di espressione genica delle singole cellule all’interno dei tumori, concentrandosi su modelli preclinici di carcinoma mammario triplo negativo e campioni umani di carcinoma mammario ER-positivo, HER2-positivo e triplo negativo.
In questo modo, hanno identificato cinque diversi gruppi di cellule tumorali all’interno di un tumore, con profili di espressione genica distinti che indicavano enormi differenze nel comportamento cellulare. Utilizzando il loro strumento di intelligenza artificiale, sono stati in grado di scoprire costantemente cinque nuovi gruppi di tipi cellulari all’interno di singoli tumori, chiamati “archetipi”. Ogni gruppo mostrava diversi percorsi biologici e propensioni alla crescita, alla metastasi e marcatori di prognosi sfavorevole. Il prossimo passo è vedere come, sotto stimolo letale di chemioterapici, ognuno degli “archetipi” si comporta, quale è il primo a morire e quale è il primo a resistere. Questa è una novità assoluta per la ricerca sul cancro.
La co-responsabile, la professoressa associata Smita Krishnaswamy dell’Università di Yale, ha affermato che, grazie ai progressi tecnologici, hanno scoperto che non solo il tumore di ogni paziente è diverso, ma che ogni cellula tumorale si comporta in modo diverso dalle altre. Lo studio è la prima volta che i dati delle singole cellule sono stati in grado di semplificare questo continuum di stati cellulari in una manciata di archetipi significativi, attraverso i quali è possibile analizzare la diversità per trovare associazioni significative con la crescita tumorale spaziale e le firme metabolomiche. Questo potrebbe rappresentare una svolta. I ricercatori affermano che l’uso di AAnet per caratterizzare i diversi gruppi di cellule in un tumore in base alla loro biologia apre le porte a un cambio di paradigma nel modo di curare il cancro.
- A cura del Dr. Gianfrancesco Cormaci, PhD, specialista in Biochimica Clinica.
Pubblicazioni scientifiche
Venkat A et al. Cancer Discovery 2025 Jun 24; in press.
Aldape K et al. Neuro Oncol. 2025 Jun 21; 27(5):1258.
Bhattacharya N et al. Elife. 2025 Jun 13; 13:RP98469.
