Abstract
L’obiettivo generale del progetto è la definizione di un modello diagnostico “intelligente” di predizione della risposta di pazienti oncologici a trattamenti farmacologici immuno-stimolanti, ai fini di una maggiore personalizzazione delle terapie mediche nelle corsie ospedalieri. Negli ultimi anni, l’immunoterapia è diventata uno degli approcci terapeutici più importanti e promettenti nella lotta contro i tumori. Il sistema immunitario infatti può essere attivato (o potenziato) e indirizzato specificatamente contro il cancro. L’immunoterapia è però attualmente limitata ad alcuni tipi di tumori (fortemente immunogenici) o alcuni gruppi di pazienti con certe caratteristiche del genoma tumorale. Una delle nuove sfide nella lotta ai tumori è l’identificazione di nuove stratificazioni di pazienti basate sui geni che regolano il sistema immunitario. Il sistema immunitario innato gioca un ruolo cruciale nel contesto dell’immunoterapia antitumorale. Sono stati descritti numerosi pathway in cui proteine che fungono da sensori di acidi nucleici nel citoplasma innescano cascate di eventi che portano all’espressione di interferoni (IFN α e β) e geni stimolati da IFN (ISG), che attivano la risposta immunitaria contro il cancro. Recenti studi dimostrano che il sistema immunitario innato può essere attivato dalla presenza di particolari strutture cellulari, chiamate micronuclei, che possono effettivamente essere una fonte di DNA citosolico. I micronuclei si formano a causa di errori durante la mitosi dovuti a danno al genoma cellulare. Recentemente (De Magis, et al. PNAS, 2019), abbiamo dimostrato come composti chimici che stabilizzano i G-quadruplex (struttura non-canonica del DNA) inducano danno e instabilità genomica con micronuclei, riuscendo a stimolare il sistema immunitario innato. Questi composti potrebbero essere dei forti agenti immuno-stimolanti da inserire nei regimi di immunoterapia dei pazienti oncologici. Rimane però da capire quali pazienti hanno le caratteristiche genetiche per essere responsivi a questi nuovi agenti immunostimolanti. Pertanto, gli obiettivi specifici di questo progetto sono: l’identificazione dei tipi tumorali (o sottotipi) maggiormente responsivi al trattamento con composti chimici che stimolano il sistema immunitario innato; l’identificazione della base genetica della responsività o resistenza del tumore alla immunostimolazione con farmaci; lo sviluppo di un modello basato su Intelligenza Artificiale che possa predire la risposta al trattamento immunoterapeutico di singoli pazienti sulla base di analisi genomiche del proprio tumore. L’analisi si focalizzerà sui dati omici contenuti nei databases TCGA (The Cancer Genome Atlas), che include dati genomici, trascrittomici e clinici per 33 tipi di tumore per più di 11 mila pazienti, per un totale di 2,5 petabytes di informazioni. L’obiettivo è definire se e come diversi tipi di tumore mostrino significative alterazioni nei geni coinvolti nella risposta immunitaria innata e nei processi ad essa correlati come la senescenza cellulare e l’autofagia. L’analisi impiegherà metodi di data mining per la ricerca di mutazioni significativi nei geni sopracitati e sull’analisi della loro espressione genica al fine di definire possibili nuove correlazioni tra l’attivazione dell’immunità innata, la progressione del tumore e l’attività antitumorale delle molecole che causano danno al DNA. L’utilizzo di metodi di machine learning e deep learning permetterà di predire se nuovi campioni tumorali sono compatibili con trattamenti basati sull’attivazione del sistema immunitario innato. Il progetto e le sue finalità sono pertanto coerenti con le politiche definite dal Tavolo Regionale Big Data e documento “From Volume to Value”.
Dettagli del progetto
Responsabile scientifico: Giovanni Capranico
Strutture Unibo coinvolte:
Dipartimento di Farmacia e Biotecnologie
Coordinatore:
ALMA MATER STUDIORUM - Università di Bologna(Italy)
Contributo totale di progetto: Euro (EUR) 30.000,00
Durata del progetto in mesi: 12
