Grazie al metodo denominato “Squirls”, un team di esperti internazionale, che ha coinvolto anche i ricercatori del dipartimento di Informatica “Gianni Degli Antoni” dell'Università Statale di Milano, è stato possibile mettere a punto nuovi strumenti predittivi per la diagnosi di patologie genetiche. Tra le caratteristiche particolari di questo metodo, la capacità “di visualizzare e interpretare i risultati ottenuti, a supporto delle decisioni cliniche per il trattamento e la terapia individualizzata dei pazienti”
Si chiama “Squirls” (acronimo di Super Quick Information-content Random-forest Learning of Splice variants) e si tratta di un “metodo computazionale basato su meta-learning e teoria dell’informazione”, che apre a nuove possibilità di diagnosi e cura per le malattie genetiche. Lo ha messo a punto uno studio internazionale che ha coinvolto anche i ricercatori del dipartimento di Informatica “Gianni Degli Antoni” dell'Università Statale di Milano, i cui risultati sono stati pubblicati sulla rivista “American Journal of Human Genetics”.
La base di diverse malattie genetiche e tumorali
Il lavoro di ricerca, che ha coinvolto esperti del Jackson Lab of Genomic Medicine e condotto congiuntamente da AnacletoLab, il laboratorio di Intelligenza Artificiale applicata alla biologia molecolare e alla medicina del dipartimento di Informatica della Statale, dalla University of Colorado e dalla Queen Mary University of London, è riuscito dunque a proporre “nuovi strumenti predittivi per la diagnosi di patologie genetiche mendeliane basata su tecnologie di next-generation sequencing”, come si legge in un comunicato apparso sul sito dell’ateneo lombardo. Ad oggi, le nuove biotecnologie di sequenziamento del genoma hanno permesso di diagnosticare diverse patologie genetiche, senza aver superato però alcune difficoltà, hanno spiegato gli esperti. Tra queste, “la corretta classificazione delle varianti genetiche che alterano il meccanismo di splicing”, (missplicing) ovvero il processo attraverso cui le parti codificanti del gene si ricombinano per costruire l'RNA messaggero maturo. Studi recenti sono riusciti a sottolineare come proprio l'alterazione dello splicing sia alla base di diverse malattie genetiche e tumorali: l'individuazione delle varianti genetiche responsabili di questo processo, risulta, tra gli altri, proprio uno dei problemi aperti nell'ambito della biologia computazionale e della medicina di precisione.
Le caratteristiche del metodo
“Squirls si è rivelato efficace non solo per associare uno score di patogenicità alle varianti di splicing situate in profondità negli introni e negli esoni, ma anche per la diagnosi di patologie mendeliane basata sull'analisi dell'intero genoma di un singolo paziente”, ha sottolineato Giorgio Valentini, docente di Informatica presso AnacletoLab. Tra le caratteristiche particolari di questo metodo, la capacità “di visualizzare e interpretare i risultati ottenuti, a supporto delle decisioni cliniche per il trattamento e la terapia individualizzata dei pazienti”, ha continuato l’esperto. Con la messa a punto di “Squirls”, tra l’altro, gli stessi autori dello studio sono già all’opera per lavorare su metodo di machine learning ibrido, che integri questo metodo con altri di “deep learning”, basati cioè su “reti neurali convoluzionali e ricorrenti, addestrate direttamente sulle sequenze nucleotidiche del genoma”. Obiettivo finale, quello di sviluppare sistemi di Intelligenza Artificiale sempre più affidabili e precisi, abili nell’individuare un insieme più ampio di varianti di missplicing associate alle patologie genetiche.
