Machine learning per la diagnosi precoce di cancro

Uno studio recente ha perfezionato un test basato sul machine learning, noto come A-PLUS, che sfrutta la presenza differenziata degli elementi Alu nelle cellule cancerose. Questo test ha dimostrato di aumentare le probabilità di diagnosi precoce del cancro.

La scoperta degli elementi Alu come biomarcatori

Una sequenza Alu è una breve sequenza interspersa (Short INterspersed Element, SINE) di circa 300 coppie di basi. Si stima che le sequenze Alu presenti nel genoma umano siano più di un milione e che quindi rappresentino il 10% del genoma umano totale. L'inserzione di sequenze Alu è implicata in diverse malattie ereditarie umane e in varie forme di cancro: possono rivelarsi dannose e causare disordini ereditari. Gli elementi Alu, numericamente limitati rispetto ai miliardi di elementi che compongono il DNA, sono stati a lungo trascurati come biomarcatori a causa della loro natura complessa e ripetitiva. Tuttavia, la ricerca condotta da Douville et al. ha aperto nuove prospettive. Lo studio ha coinvolto 11 tipi di cancro e oltre 7.600 campioni di sangue, dimostrando che la riduzione degli elementi della sottofamiglia AluS è particolarmente caratteristica dei tumori solidi.

Il test A-PLUS: un passo avanti nella diagnosi del cancro

Douville e colleghi hanno raccolto campioni da 3.105 persone con tumori solidi e 2.073 senza. Lo studio ha riguardato 11 tipi di cancro e 7.615 campioni di sangue. Le ripetizioni sono state utilizzate come repliche per verificare il funzionamento del modello.
Il test A-PLUS, combinando l'analisi degli elementi Alu con l'aneuploidia e biomarcatori proteici comuni, ha raggiunto una sensibilità del 40,5% su 11 diversi tipi di cancro, con una specificità del 98,9%. Questo livello di specificità è cruciale per evitare falsi positivi nei test di screening, assicurando una diagnosi accurata e tempestiva.
Il metodo è stato progettato per ottenere un'elevata specificità nella classificazione dei tumori ed è stato convalidato in più coorti indipendenti, con i tumori solidi particolarmente caratterizzati da una riduzione degli elementi della sottofamiglia AluS. La scoperta degli elementi Alu come componente chiave nella diagnosi del cancro offre un nuovo approccio complementare alle attuali metodologie diagnostiche per rilevare i tumori nello stadio più precoce. Infatti Il 99% delle persone a cui viene diagnosticato un tumore al seno allo stadio 1 sarà vivo a cinque anni di distanza; tuttavia, se il tumore viene riscontrato allo stadio 4, quando la malattia si è diffusa ad altri organi, la sopravvivenza a cinque anni scende al 31%.

Guardando al futuro

Nonostante costituiscano solo l'11% del DNA umano, gli elementi Alu si rivelano preziosi per la diagnosi precoce del cancro. La riduzione degli elementi AluS nei pazienti con cancro solido è un segno distintivo che potrebbe migliorare ulteriormente l'efficacia di molteplici metodologie diagnostiche. Il prossimo passo sarà la selezione e la combinazione ottimale di biomarcatori per una diagnosi ancora più precisa e personalizzata.
In conclusione, la ricerca apre la strada a una nuova era nella diagnosi del cancro, in cui gli elementi Alu nel sangue si rivelano non solo ripetizioni di DNA, ma veri e propri indicatori dello stato di salute.


Fonte: Douville C, Lahouel K, Kuo A, Grant H, Avigdor BE, Curtis SD, Summers M, Cohen JD, Wang Y, Mattox A, Dudley J, Dobbyn L, Popoli M, Ptak J, Nehme N, Silliman N, Blair C, Romans K, Thoburn C, Gizzi J, Schoen RE, Tie J, Gibbs P, Ho-Pham LT, Tran BNH, Tran TS, Nguyen TV, Goggins M, Wolfgang CL, Wang TL, Shih IM, Lennon AM, Hruban RH, Bettegowda C, Kinzler KW, Papadopoulos N, Vogelstein B, Tomasetti C. Machine learning to detect the SINEs of cancer. Sci Transl Med. 2024 Jan 24;16(731):eadi3883. doi: 10.1126/scitranslmed.adi3883. Epub 2024 Jan 24. PMID: 38266106.