Il cancro al seno è il tumore più frequentemente diagnosticato al mondo. Tuttavia, non è una malattia uniforme. Il cancro al seno si presenta in diversi sottotipi, che devono essere identificati con precisione in modo che i medici possano personalizzare efficacemente il trattamento per ogni paziente.
La sottotipizzazione dei tumori viene tradizionalmente effettuata mediante colorazioni istologiche (immunoistochimica), che consentono di identificare visivamente marcatori specifici e di classificare un tumore in un particolare sottotipo.
Negli ultimi anni, però, un altro metodo ha rivoluzionato la sottotipizzazione del cancro al seno: la profilazione trascrittomica ad alto rendimento. Questa tecnica esamina l’attività genica delle cellule tumorali rilevando tutti gli RNA messaggeri presenti in ogni cellula (l’RNA messaggero corrisponde alla sequenza di un gene e viene letto dal ribosoma nel processo di sintesi di una proteina).
La trascrittomica si basa sul sequenziamento dell’RNA ("RNA-Seq"), una tecnologia di biologia molecolare in rapido sviluppo che consente di "leggere" rapidamente la sequenza della catena di RNA. "Molti campioni di pazienti affetti da cancro al seno sono stati profilati da consorzi di espressione genica. Esistono tre grandi banche dati pubbliche che contengono migliaia di campioni di pazienti esplorati da ricercatori di tutto il mondo", afferma Cathrin Brisken, professore all’EPFL.
Ha aggiunto: "Abbiamo imparato molto dalle diverse analisi. È stato suggerito che il sequenziamento dell’RNA - che sta diventando sempre più accessibile - potrebbe essere applicato alla pratica clinica di routine e aiutare nella diagnosi e nel processo decisionale. Ma questa possibilità si scontra con il fatto che l’analisi RNA-Seq richiede generalmente l’elaborazione simultanea di grandi lotti di campioni ed è difficile confrontare i campioni estratti da piattaforme diverse".
Nell’ambito di un progetto europeo transdisciplinare da 4,3 milioni di euro "CANCERPEV", guidato da Cathrin Brisken, è stato creato EMBER ("Molecular EMBedder"). Questo strumento computazionale (?) riunisce più di 11.000 trascrittomi di cancro al seno per prevedere i sottotipi di cancro sulla base di un singolo campione e cattura accuratamente le vie biologiche chiave, offrendo una capacità predittiva superiore per le risposte alle terapie.
EMBER è stato sviluppato da Carlos Ronchi nell’ambito del suo dottorato nel laboratorio di Cathrin Brisken: "Carlos Ronchi ha sviluppato un approccio che consisteva nel collocare i principali database in uno spazio comune", spiega Cathrin Brisken. Ha dimostrato di poter aggiungere a questo spazio altre coorti e persino singoli campioni. La posizione in questo spazio "EMBER" fornisce ulteriori informazioni biologiche".
Per creare EMBER, i ricercatori hanno sviluppato un modello statistico che integra sia i dati RNA-Seq sia i dati microarray estratti da grandi set di dati, tra cui TCGA e METABRIC. Hanno preso in considerazione pazienti con tumore al seno in fase iniziale e hanno standardizzato i dati per collocarli su una scala comune. Selezionando i 1.000 geni più variabili e utilizzando 44 geni stabili per la normalizzazione, hanno preservato le caratteristiche essenziali dell’espressione genica.
L’équipe ha convalidato EMBER utilizzando coorti indipendenti di pazienti e applicandolo ai dati di studi clinici, come lo studio PoeTIC, dove ha identificato potenziali meccanismi di resistenza al trattamento, come l’aumento della segnalazione del recettore degli androgeni e la riduzione della segnalazione del TGF’. EMBER ha anche catturato efficacemente i cinque sottotipi molecolari di cancro al seno e le vie biologiche chiave, come la segnalazione del recettore degli estrogeni e la proliferazione cellulare.
Un dato importante è stata l’efficacia superiore del punteggio di segnalazione del recettore estrogenico basato su EMBER rispetto all’indice ER basato sull’immunoistochimica, attualmente utilizzato nella pratica clinica. Questi risultati suggeriscono che lo strumento EMBER può prevedere con maggiore precisione la risposta alla terapia endocrina.
Fornendo uno spazio unificato per i dati trascrittomici del cancro al seno, EMBER consente una migliore comprensione dei sottotipi molecolari e delle risposte al trattamento. Questo potrebbe portare a programmi terapeutici più personalizzati e a migliori risultati per le pazienti con tumore al seno ER+.
EMBER offre anche l’opportunità di integrare il sequenziamento dell’RNA nelle pratiche diagnostiche standard, aprendo la strada a una diagnostica del cancro più completa ed economica. Questo approccio non solo migliora l’oncologia di precisione, ma fornisce anche un solido quadro per la ricerca e le applicazioni cliniche future.
