Abstract
Le malattie mitocondriali primarie sono un gruppo eterogeneo di malattie ereditarie, rare, caratterizzate da un'elevata eterogeneità clinica e da complesse correlazioni genotipo-fenotipo. I tessuti maggiormente coinvolti sono quelli con elevato fabbisogno energetico come muscolo scheletrico, cuore, sistema nervoso centrale e periferico, fegato e reni. Queste malattie possono essere causate da mutazioni nel DNA mitocondriale e da mutazioni in geni nucleari che controllano la funzionalità mitocondriale. Con l'eccezione di poche sindromi ben definite, una delle peculiarità di queste malattie è la scarsa correlazione genotipo/fenotipo e la scarsa conoscenza della loro storia naturale. Le malattie mitocondriali primarie non hanno ancora trattamenti terapeutici efficaci e tra le principali limitazioni dei trials clinici vi sono la mancanza di misure di outcome e di biomarcatori utili da correlare con la progressione e/o la prognosi di queste malattie. Questo studio si propone di analizzare un’ampia coorte (250) di pazienti affetti dalle più comuni forme di malattia mitocondriale primaria: la sindrome MELAS, la sindrome MERRF e le Miopatie Mitocondriali Primarie. Il progetto prevede l’esecuzione di un’analisi del genoma e, in un sottogruppo di pazienti, l’analisi del trascrittoma sul tessuto muscolare scheletrico. La caratterizzazione del background genetico di questi pazienti potrebbe permettere l’identificazione di modulatori genetici del fenotipo clinico. I dati del background genetico insieme ai dati di storia clinica e ai dati genetici relativi alla mutazione causativa verranno poi analizzati con un approccio di intelligenza artificiale, il machine learning. Il machine learning potrebbe permettere lo sviluppo di algoritmi e modelli in grado di caratterizzare e predire la connessione tra biomarcatori genetici e stato clinico con la progressione della malattia e, in generale, di guidare e ottimizzare le procedure cliniche.
Risultati raggiunti
Hanno partecipato al progetto 4 centri italiani (Pisa-Bologna-Messina-Roma), centri clinici di riferimento in Italia per le malattie mitocondriali, e la Scuola Superiore Sant’Anna di Pisa relativamente all’analisi dei dati utilizzando metodiche di intelligenza artificale. L’analisi dei dati clinici raccolti nel corso del progetto, effettuata mediante l’utilizzo di metodiche di intelligenza artificiale, ha permesso di sviluppare un modello in grado di predire, sulla base dei soli dati clinici, il difetto genetico e i risultati di questo lavoro sono in fase di pubblicazione. Nel corso dello studio sono stati, inoltre, acquisiti numerosi dati genetici, a livello di DNA (con l’analisi dell’esoma) e di RNA (con l’analisi del trascritto proteico) che sono in fase di elaborazione con la finalità di individuare una correlazione tra specifici biomarcatori genetici e la progressione di malattia. I risultati intermedi di questo progetto sono stati ampiamente presentati e discussi nel corso di convegni internazionali.Dettagli del progetto
Responsabile scientifico: Maria Lucia Valentino
Strutture Unibo coinvolte:
Dipartimento di Scienze Biomediche e Neuromotorie
Coordinatore:
Università di PISA(Italy)
Contributo totale Unibo: Euro (EUR) 71.105,00
Durata del progetto in mesi: 24
Data di inizio
18/10/2023
Data di fine:
28/02/2026
