Ricerche

Lo strumento può individuare i tipi di cellule rilevanti per la malattia in molte condizioni complesse

Associazioni di seismic tra tipo di cellule e tratto per 15 tipi di tessuti e 130 tipi di cellule. Fonte: Qiliang Lai et al / NatureComm

Il numero di persone con demenza in tutto il mondo era stimato in 57 milioni nel 2021 con quasi 10 milioni di nuovi casi registrati ogni anno. Negli Stati Uniti, la demenza colpisce più di 6 milioni di vite e, secondo uno studio del 2025, si prevede che il numero di nuovi casi raddoppierà nei prossimi decenni. Nonostante i progressi nel campo, manca ancora una piena comprensione dei meccanismi che causano la malattia.

Per colmare questa lacuna, ricercatori e collaboratori della Rice University di Houston (Texas/USA) e della Boston University hanno sviluppato uno strumento computazionale che può aiutare a identificare quali tipi specifici di cellule nel corpo sono geneticamente legate a tratti e malattie umane complesse, comprese forme di demenza come il morbo di Alzheimer (MA) e il Parkinson.

Lo strumento, chiamato Single-cell Expression Integration System for Mapping genetically implicated Cell type (seismic), ha aiutato il team a perfezionare le vulnerabilità genetiche nelle cellule cerebrali che creano memoria e che le collegano al MA, il primo a stabilire un'associazione basata su un collegamento genetico tra la malattia e questi neuroni specifici. L’algoritmo supera gli strumenti esistenti nell'identificare i tipi di cellule potenzialmente rilevanti in malattie complesse ed è applicabile in contesti patologici oltre alla demenza.

La ricerca, pubblicata su Nature Communications, aiuta a svelare una contraddizione di vecchia data nella ricerca sul MA: mentre gli indizi genetici nel DNA dei pazienti indicano che le cellule del cervello che combattono le infezioni (microglia) sono il tipo di cellula più implicata nella patologia della malattia, il cervello dei pazienti in realtà racconta una storia diversa.

"Con l'avanzare dell'età, alcune cellule cerebrali rallentano naturalmente, ma nella demenza - una malattia che comporta la perdita di memoria - cellule cerebrali specifiche in realtà muoiono e non possono essere sostituite", ha detto Qiliang Lai, dottorando della Rice e primo autore dello studio. "Il fatto che siano le cellule cerebrali che creano memoria a morire e non le cellule cerebrali che combattono le infezioni solleva questo confuso enigma in cui le prove del DNA e le prove del cervello non coincidono".

L’indagine del team ha impiegato metodi computazionali per analizzare i dati genetici esistenti in un modo nuovo. Il loro metodo integra due tipi di dati biologici su larga scala: studi di associazione su tutto il genoma (GWAS) e sequenziamento dell'RNA a singola cellula (scRNA-seq), in cui i GWAS analizzano il genoma umano per trovare piccole differenze nel DNA condivise tra le persone con una determinata malattia o tratto, mentre l'scRNA-seq misura quali geni sono attivi in ​​decine di migliaia o milioni di singole cellule, creando una mappa dettagliata di come le cellule differiscono a livello molecolare.

I tentativi precedenti di trarre approfondimenti correlati da questi tipi di dati erano difficili da scalare e interpretare e hanno prodotto associazioni meno robuste a causa di due principali punti deboli: primo, in termini di scRNA-seq, la risoluzione del tipo di cellula può essere troppo ampia e generalizzata, mancando dettagli critici come la regione del cervello in cui si trovano le cellule; secondo, in termini di GWAS, il segnale genetico in ampi studi basati su diagnosi cliniche tende a enfatizzare eccessivamente i tipi di cellule che sono colpiti più costantemente, cioè le cellule immuno-correlate, soffocando altri aspetti della malattia.

"Abbiamo costruito l'algoritmo seismic per analizzare le informazioni genetiche e abbinarle precisamente a tipi specifici di cellule cerebrali", ha detto Lai. “Questo ci consente di ottenere un quadro più dettagliato di quali tipi di cellule sono influenzati da quali programmi genetici”.

I ricercatori hanno testato l’algoritmo e hanno scoperto che funzionava meglio degli strumenti esistenti, identificando più chiaramente importanti segnali cellulari rilevanti per la malattia. Vicky Yao, assistente prof.ssa di informatica alla Rice e autrice senior dello studio, ha detto:

"Pensiamo che questo lavoro potrebbe aiutare a conciliare alcuni modelli contraddittori nei dati relativi alla ricerca sul MA. Oltre a ciò, il metodo sarà probabilmente molto utile per aiutarci a capire meglio quali tipi di cellule sono rilevanti in diverse malattie complesse.

“[...] Siamo a un punto in cui i progressi nell’informatica e nella scienza dei dati stanno trasformando sempre più il modo in cui studiamo le malattie umane. Ora dobbiamo mantenere questo slancio”.