A computational investigation of pathways for ex vivo differentiation and dysfunction of healthy and patient T cells
Questo studio impiega un framework computazionale su larga scala per analizzare migliaia di potenziali percorsi di differenziazione delle cellule T, rivelando che il cancro probabilmente altera la cinetica di differenziazione piuttosto che la struttura del percorso e che le cellule T passano dinamicamente tra fenotipi funzionali durante l'espansione ex vivo, offrendo così nuovi spunti per ottimizzare la terapia cellulare adottiva.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
Il sistema immunitario umano si affida a un esercito specializzato di globuli bianchi chiamati cellule T per dare la caccia al cancro e distruggerlo. In un promettente approccio medico noto come terapia cellulare adottiva, i medici prelevano queste cellule da un paziente, le coltivano in grandi quantità fuori dal corpo e poi le reinfondono per combattere la malattia. Affinché questo trattamento funzioni, gli scienziati devono gestire attentamente il modo in cui queste cellule crescono in laboratorio. Hanno bisogno che le cellule si moltiplichino in attaccanti potenti, ma devono evitare una trappola: se le cellule vengono stimolate troppo o per troppo tempo, possono esaurirsi. Una cellula T esausta è come un soldato che ha combattuto così duramente da essersi arreso; perde la sua capacità di uccidere il cancro e non può più riprodursi. La sfida per i ricercatori è stata capire esattamente come le cellule T decidano il proprio destino durante questo processo di crescita. Seguono un percorso rigido e unidirezionale da uno stato giovanile e iniziale a un attaccante potente, e poi all'esaurimento? O si muovono avanti e indietro tra gli stati? La risposta è fondamentale perché, se conosciamo le regole di questo viaggio, potremmo essere in grado di guidare le cellule verso il diventare efficaci killer del cancro piuttosto che fallimenti esausti.
Un team di ricercatori in Australia e negli Stati Uniti ha deciso di risolvere questo enigma non conducendo ulteriori esperimenti biologici, ma costruendo una massiccia investigazione computazionale. Avevano riconosciuto che la letteratura scientifica esistente era piena di idee contrastanti su come le cellule T cambiano. Alcuni studi suggerivano un percorso lineare, mentre altri proponevano percorsi ramificati o la capacità di cambiare direzione. Per superare questa confusione, il team ha creato un quadro digitale per testare migliaia di diverse possibilità contemporaneamente. Hanno iniziato raccogliendo ogni regola nota sul comportamento delle cellule T dalla letteratura biologica. Queste regole coprivano tutto, da come le cellule si dividono a come potrebbero esaurirsi. Mescolando e abbinando queste regole, hanno costruito quasi 8.000 modelli matematici unici, ognuno dei quali rappresentava una diversa potenziale storia di come le cellule T potrebbero comportarsi in una capsula di coltura.
I ricercatori hanno poi messo alla prova queste 8.000 storie contro dati del mondo reale. Hanno utilizzato i risultati sperimentali di uno studio precedente in cui cellule T sia di persone sane che di pazienti oncologici venivano coltivate in laboratorio per otto giorni sotto diversi livelli di stimolazione. In questi esperimenti, le cellule erano esposte a varie quantità di molecole attivanti attaccate a minuscoli bastoncini. Il team ha fornito ai propri modelli informatici le condizioni iniziali di questi esperimenti e ha chiesto ai modelli di prevedere come sarebbero state le popolazioni cellulari dopo otto giorni. Hanno confrontato le previsioni del computer con i conteggi effettivi delle cellule osservate in laboratorio. La maggior parte degli 8.000 modelli è fallita nel corrispondere alla realtà dell'esperimento, producendo risultati che erano totalmente fuori strada. Tuttavia, un piccolo gruppo di modelli, meno di 600, è riuscito a ricreare accuratamente i modelli di crescita osservati sia nelle cellule sane che in quelle dei pazienti.
L'analisi di questi modelli di successo ha rivelato una verità sorprendente su come si comportano le cellule T in laboratorio. I modelli più accurati non mostravano le cellule muoversi in una singola linea retta da un tipo all'altro. Al contrario, i dati suggerivano fortemente che le cellule T siano altamente flessibili, passando costantemente avanti e indietro tra l'essere cellule simili alla memoria, che sono longeve e pronte a riprodursi, e cellule simili agli effettori, che sono gli attaccanti immediati. Questo movimento bidirezionale sembra essere una caratteristica chiave di come la popolazione si espande. I modelli hanno anche indicato che le cellule diventano esauste probabilmente perché le cellule simili agli effettori attivano specifici recettori inibitori, premendo essenzialmente i freni sulla propria funzione. Interessantemente, i modelli che meglio si adattavano non richiedevano che fossero le cellule simili agli effettori a compiere la maggior parte della moltiplicazione; invece, le cellule simili alla memoria sembravano essere il motore primario che guida la crescita della popolazione, reintegrando gli altri tipi secondo necessità.
Quando i ricercatori hanno confrontato i modelli adattati alle cellule sane con quelli adattati alle cellule dei pazienti oncologici, hanno scoperto che la struttura sottostante del viaggio rimaneva la stessa. Il percorso che le cellule compiono — lo scambio tra gli stati — non cambiava in base al fatto che le cellule provenissero da una persona sana o da qualcuno con il cancro. Ciò che è cambiato è stata la velocità e la sensibilità del processo. I modelli suggeriscono che le cellule T degli individui sani tendono a moltiplicarsi più velocemente e richiedono una quantità diversa di stimolazione per cambiare il proprio stato rispetto alle cellule dei pazienti. Ciò implica che la malattia potrebbe alterare il ritmo dello sviluppo delle cellule piuttosto che riscrivere interamente le regole del gioco. Lo studio ha anche scoperto che la decisione delle cellule di diventare esauste era legata al livello di stimolazione ricevuto, con livelli di attivazione più elevati che rendevano più probabile l'upregulation dei marcatori inibitori che segnalano la disfunzione.
Questo lavoro fornisce un nuovo modo di pensare alla complessa biologia delle cellule immunitarie. Testando migliaia di potenziali percorsi contro dati reali, i ricercatori sono stati in grado di escludere molte assunzioni di lunga data, come l'idea che le cellule T seguano un percorso rigido e unidirezionale verso l'esaurimento. Hanno evidenziato che la relazione tra cellule della memoria ed effettrici è dinamica e fluida, non statica. Sebbene lo studio si basi su simulazioni informatiche e non provi ancora questi meccanismi in un organismo vivente, offre un insieme di ipotesi chiare e testabili per i futi scienziati. Suggerisce che, per migliorare le terapie contro il cancro, i ricercatori dovrebbero concentrarsi sul mantenere questa flessibilità nelle cellule e sul comprendere come controllare i livelli di stimolazione per mantenere le cellule in uno stato produttivo. Le scoperte offrono una tabella di marcia per ottimizzare il modo in cui coltiviamo queste cellule salvavita, portando potenzialmente a trattamenti migliori che mantengano i soldati del sistema immunitario affilati e pronti alla battaglia.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.