Le molecole di zucchero complesse che adornano la superficie delle nostre cellule, note come glicani, sono state a lungo considerate come una semplice decorazione biologica. Un nuovo studio suggerisce, tuttavia, che queste strutture celano schemi diagnostici di vitale importanza, vere e proprie firme in grado di distinguere un tipo di tumore dall’altro con estrema precisione.
I glicani: un codice nascosto per la classificazione dei tumori
Scienziati della KAUST (King Abdullah University of Science and Technology) hanno analizzato il meccanismo genetico che orchestra la sintesi di queste etichette di zucchero (i glicani) e hanno scoperto un codice diagnostico semplice e intuitivo. Questo codice ha il potenziale di rendere l’identificazione e la classificazione dei tumori significativamente più rapida e precisa.
Jasmeen Merzaban, biologa cellulare e co-direttrice dello studio, ha affermato: “Abbiamo creato gli elementi costitutivi di un sistema di classificazione unico per tutti i tumori”. Il progetto è nato dalla collaborazione tra la Merzaban e il biologo computazionale Xin Gao, specializzato nell’applicazione dell’intelligenza artificiale (IA) a problemi sanitari. Insieme, i due ricercatori hanno addestrato un algoritmo di apprendimento automatico utilizzando dati di espressione genica provenienti da migliaia di campioni tumorali.
Il punto cruciale del loro approccio è stato concentrarsi non sull’intero catalogo di letture geniche, come fanno gli strumenti di IA esistenti, ma su un insieme ristretto di soli 71 geni responsabili della sintesi dei glicani. Questi geni sono noti come glicosiltransferasi tumorali, o CPGT, e sono fondamentali nel determinare come i tumori crescono e si diffondono.
Il modello di classificazione risultante ha dimostrato una potenza straordinaria. È stato in grado di suddividere i tumori in 27 categorie distinte con un tasso di precisione superiore al 95%. Questa performance eguaglia, e in alcuni casi supera, quella dei classificatori genomici di riferimento che si basano su set di geni molto più ampi e complessi.
A differenza di molti sistemi di classificazione del cancro che necessitano di enormi insiemi di dati e una notevole potenza di calcolo, il modello sviluppato alla KAUST opera con grande rapidità su un normale computer portatile. I risultati diagnostici possono essere generati in meno di mezz’ora, un fattore che ne consente un utilizzo molto più ampio in ospedali e laboratori che non dispongono di risorse di calcolo ad alte prestazioni, promuovendo una diagnostica più democratica e accessibile.
Vantaggi clinici e prospettive per la prognosi oncologica
Il nuovo modello di classificazione tumorale basato sull’analisi delle glicosiltransferasi tumorali (CPGT) dimostra benefici che vanno oltre la semplice velocità di esecuzione. I risultati indicano un notevole miglioramento anche in termini di affidabilità diagnostica e previsione clinica.
I vantaggi di questo approccio non si limitano alla rapidità, ma si estendono alla capacità di fornire informazioni cliniche cruciali. Nei gliomi, una forma particolarmente aggressiva di tumore cerebrale, i modelli di espressione genica correlati ai glicani hanno mostrato di predire la sopravvivenza dei pazienti in modo più affidabile rispetto ai marcatori clinici standard attualmente in uso.
Nel caso del tumore al seno, il classificatore basato sulle CPGT ha quasi raddoppiato l’accuratezza di un test genomico ampiamente utilizzato nel distinguere i sottotipi tumorali, offrendo una caratterizzazione più precisa della malattia.
Jing Kai, dottorando e co-autore principale dello studio, ha osservato: “Ciò significa che i CPGT potrebbero rivelare non solo il tipo di tumore di un paziente, ma anche la probabilità che la malattia progredisca”. Ha sottolineato inoltre che: “Il nostro lavoro mostra il potenziale inesplorato dell’utilizzo dei glicani nella diagnosi e nella prognosi del cancro”.
Ali AlZahrani, specialista del cancro alla tiroide e coautore dello studio presso il King Faisal Specialist Hospital and Research Center di Riyadh, ha espresso il suo accordo, affermando che “questo studio è la prova di un nuovo concetto nella diagnosi e classificazione del cancro, con applicazioni potenzialmente di vasta portata”.
Il team della KAUST sta lavorando attivamente per avvicinare questa tecnologia all’uso clinico pratico. Una priorità è ottimizzare i metodi di analisi dell’espressione delle CPGT. Parallelamente, in collaborazione con AlZahrani e altri medici sauditi, i ricercatori stanno validando il modello su coorti di pazienti più ampie per confermarne l’efficacia in contesti clinici reali.
Allo stesso tempo, la ricerca sta evolvendo verso la sfera terapeutica. I ricercatori hanno avviato una collaborazione con il biologo strutturale della KAUST, Andreas Naschberger, con l’obiettivo di risolvere le strutture tridimensionali delle CPGT chiave. Questa mossa è strategica: identificare le strutture molecolari precise potrebbe rivelare nuovi bersagli terapeutici e ispirare lo sviluppo di farmaci futuri capaci di intervenire selettivamente sulla progressione tumorale.
Il primo passo verso la trasformazione diagnostica
La realizzazione di un modello diagnostico basato sulle glicosiltransferasi tumorali (CPGT) non rappresenta semplicemente un miglioramento metodologico, ma segna un punto di svolta fondamentale, proiettando la biologia dello zucchero da campo di ricerca di base a strumento pratico per la medicina di precisione.
La biologa cellulare Jasmeen Merzaban sintetizza l’importanza del risultato, osservando: “Questo strumento diagnostico segna un primo passo verso la trasformazione della biologia dello zucchero in uno strumento pratico per la medicina di precisione per le persone affette da cancro”. Fino ad ora, l’analisi dei glicani, noti come glicomica, è stata un campo di studio complesso e prevalentemente teorico.
La capacità di utilizzare i pattern di espressione di soli 71 geni CPGT per classificare i tumori con una precisione superiore al 95% dimostra che le complesse etichette di zucchero possono essere tradotte in un codice diagnostico clinico accessibile. Questo passaggio dal laboratorio al potenziale impiego pratico rappresenta una vera e propria “trasformazione”, offrendo una metodologia rapida ed efficace per la stratificazione dei pazienti oncologici.
L’innovazione ha implicazioni che vanno oltre la diagnosi immediata, come sottolinea Merzaban: “Questo amplia in definitiva gli strumenti sia per la scoperta di base che per l’oncologia traslazionale”.
Da un lato, la scoperta di base riceve un impulso significativo. Avere un modello così accurato basato su un sottoinsieme genetico definito focalizza l’attenzione scientifica sui meccanismi esatti con cui i CPGT influenzano la proliferazione e la diffusione del tumore. La semplicità e l’efficacia del modello suggeriscono che i glicani non sono affatto semplici decorazioni, ma attori funzionali chiave, stimolando ulteriori ricerche per decifrare l’intero “glicoma” tumorale e le sue interazioni con l’ambiente cellulare.
Dall’altro lato, il campo dell’oncologia traslazionale, che mira a trasferire rapidamente i risultati della ricerca di base nella pratica clinica, viene dotato di un nuovo, potente strumento. La rapidità e la portabilità del modello, che funziona su un normale computer, ne permettono l’immediata validazione su larga scala e l’adozione in contesti clinici con risorse limitate.
Soprattutto, l’elevata accuratezza nella previsione della prognosi e nella distinzione dei sottotipi tumorali indica la possibilità di sviluppare terapie personalizzate che agiscano direttamente sui percorsi molecolari guidati dai glicani, spostando il trattamento del cancro verso strategie più mirate e meno tossiche per i pazienti.
Lo studio è stato pubblicato su Cell Reports Methods.
