L’intelligenza artificiale (IA) è stata oggetto di crescente preoccupazione da parte del mondo, in particolare delle IA più complesse in grado di emulare il pensiero umano, come ChatGPT. Tuttavia, potrebbe anche diventare uno strumento per superare i limiti del nostro progresso, come dimostra uno studio pubblicato su Nature Cancer dalla University of Miami Miller School of Medicine.
Secondo il comunicato stampa che illustra lo studio, il glioblastoma multiforme (GBM) è un tipo di cancro al cervello aggressivo e spesso fatale, con un tasso di sopravvivenza a cinque anni inferiore al 10%. L’identificazione dei meccanismi molecolari che guidano la malattia e la loro applicazione ad approcci di medicina di precisione rimane una sfida.
Per affrontare questo problema, i ricercatori hanno cercato di sviluppare un metodo per identificare meglio le chinasi proteiche associate alla progressione del tumore. Le chinasi più attive, che i ricercatori chiamano “chinasi master”, sono quelle che vengono prese di mira dai farmaci e da altre terapie negli attuali trattamenti del cancro.
Il team di ricerca si è rivolto all’apprendimento automatico (ML) per identificare e convalidare sperimentalmente
due particolari chinasi associate alla progressione tumorale in due sottotipi di GBM e in alcuni altri sottotipi di tumori del polmone, del seno e pediatrici.L’algoritmo, noto come Substrate PHosphosite-based Inference for Network of KinaseS (SPHINKS), si basa sul precedente lavoro dei ricercatori nella classificazione del glioblastoma. In uno studio pubblicato sul British Journal of Cancer nel marzo 2021, il team di ricerca ha riferito che, catturando i tratti chiave delle cellule tumorali e raggruppando i pazienti affetti da GBM in base alla loro probabilità di sopravvivenza e alla vulnerabilità del loro tumore ai farmaci, l’algoritmo ha rivelato una nuova classificazione del glioblastoma.
Nello studio di questa settimana, i ricercatori hanno confermato in modo indipendente tali classificazioni attraverso diverse piattaforme omiche, tra cui la genomica, la proteomica, la lipidomica, l’acetilomica e la metabolomica. Quindi, utilizzando i set di dati omici, SPHINKS ha creato un insieme completo di interazioni biologiche, noto come interattoma, per determinare quali chinasi guidano la crescita tumorale e la resistenza ai trattamenti in ciascun sottotipo di glioblastoma.
Questi risultati evidenziano come i dati e gli algoritmi della multiomica possano essere utilizzati per prevedere le terapie mirate che forniranno le migliori opzioni terapeutiche in base al sottotipo di glioblastoma di ciascun paziente. Lo studio suggerisce che SPHINKS e gli approcci correlati possono essere facilmente incorporati nei laboratori utilizzando un classificatore clinico e un portale online sviluppato dai ricercatori insieme all’algoritmo.