Un nuovo algoritmo consente di rilevare i segnali prodotti da piccole popolazioni di cellule, come quelle tumorali dormienti o staminali
Un nuovo algoritmo consente di rilevare, all’interno delle analisi, i segnali generati da piccole popolazioni di cellule, come le cellule staminali tumorali o le cellule tumorali dormienti, che solitamente vengono ignorati perché confusi con il cosiddetto rumore statistico. Lo evidenzia uno studio dei ricercatori dell’Istituto Superiore di Sanità, pubblicato sulla rivista Algorithms. La ricerca, sostenuta dall’Associazione Italiana per la Ricerca sul Cancro (AIRC) e dal Ministero della Salute nell’ambito del PNRR Missione 6 finanziato dall’Unione europea – NextGenerationEU, presenta un innovativo metodo statistico capace di individuare segnali provenienti da piccole popolazioni cellulari all’interno di grandi insiemi di dati. Testato su diversi dataset, l’algoritmo ha dimostrato di poter identificare anche le cellule coinvolte nella risposta immunitaria contro i tessuti tumorali, aprendo nuove prospettive nella ricerca oncologica.
“Questo metodo riesce a superare l’effetto confondente della mole di segnali irrilevanti (il cosiddetto rumore statistico) riuscendo ad estrarre segnali deboli ma reali e significativi” – spiega Alessandro Vici, ricercatore Under 40 del Dipartimento di Oncologia e Medicina Molecolare dell’Iss e primo autore dello studio.
“L’importanza di questo metodo – spiega Ann Zeuner, coautrice dello studio e responsabile scientifico dei progetti – consiste nella possibilità di ottenere informazioni preziose riguardanti piccole popolazioni cellulari, come le cellule staminali tumorali e le cellule tumorali dormienti. Queste ultime, che sono il target principale dei nostri studi, spesso rimangono nel corpo del paziente dopo le terapie oncologiche e possono dare luogo a recidive tumorali anche a distanza di decenni. Per questo è particolarmente importante capire a fondo la loro biologia e trovare delle strategie per eliminarle, o quanto meno mantenerle nello stato dormiente per tutta la vita del paziente”.
“Il metodo di analisi da noi sviluppato, al di là dell’individuazione di piccole sottopopolazioni di cellule, ha anche una valenza generale nel riconoscimento di segnali deboli ma potenzialmente informativi in qualsiasi insieme di dati ad alta dimensionalità” – sottolinea Alessandro Giuliani del Dipartimento Ambiente e Salute, anche lui coautore dello studio.
Clicca qui per leggere l’estratto originale dello studio.
Potrebbe interessare anche Neuroblastoma: dimostrata l’efficacia della cura Car-T
