Identification and experimental validation of lactylation driven prognostic genes in lung adenocarcinoma stemness

L'adenocarcinoma polmonare è la forma più comune di tumore al polmone, una malattia che spesso resiste al trattamento e ritorna anche dopo l'intervento chirurgico. Una delle ragioni principali di questa ostinatezza risiede in un piccolo e resiliente gruppo di cellule all'interno del tumore noto come cellule staminali cancerose. Queste non sono semplici cellule cancerose ordinarie; sono il motore della malattia, capaci di dare inizio a nuovi tumori, diffondersi in altre parti del corpo e sopravvivere alla chemioterapia. Gli scienziati sospettano da tempo che il modo in cui queste cellule si comportano sia legato a come il tumore elabora l'energia. Negli ultimi anni, un cambiamento chimico specifico chiamato lattilazione è emerso come un attore chiave. Questo processo avviene quando le cellule scompongono lo zucchero per ottenere combustibile, creando un sottoprodotto chiamato lattato. Invece di essere un semplice scarto, il lattato può attaccarsi alle proteine all'interno della cellula, agendo come un interruttore che accende o spegne determinati geni. Gli ricercatori ritengono ora che questo interruttore possa aiutare le cellule staminali cancerose a rimanere in vita e pericolose, ma il meccanismo esatto nel cancro al polmone è rimasto poco chiaro.

Un team di ricercatori della Ningxia Medical University si è posto l'obiettivo di mappare questa connessione. Volevano scoprire quali geni specifici nell'adenocarcinoma polmonare siano controllati da questo interruttore della lattilazione e se tali geni potessero prevedere l'andamento clinico di un paziente. Per farlo, si sono rivolti a una vasta collezione di dati genetici provenienti da migliaia di pazienti. Hanno iniziato misurando la "staminalità" di ogni tumore, ovvero un punteggio che indica quante cellule staminali cancerose sono presenti. Hanno scoperto che i tumori con punteggi di staminalità più elevati portavano generalmente a tempi di sopravvivenza più brevi per i pazienti. Cercando modelli nei dati genetici, hanno identificato gruppi di geni che erano attivi quando la lattilazione era alta. Hanno poi ristretto questo elenco utilizzando algoritmi informatici avanzati, isolando infine un set specifico di sei geni che sembravano essere i più promettenti per prevedere gli esiti dei pazienti.

I sei geni identificati sono KIF23, TOP2A, HSPD1, DTYMK, CAV3 e CYP27A1. I ricercatori hanno costruito un modello che utilizza i livelli di attività di questi sei geni per classificare i pazienti in due gruppi: ad alto rischio e a basso rischio. I risultati sono stati chiari. I pazienti nel gruppo ad alto rischio, i cui tumori mostravano un'alta attività di KIF23, TOP2A, HSPD1 e DTYMK, avevano tassi di sopravvivenza significativamente peggiori rispetto al gruppo a basso rischio. Al contrario, il gruppo a basso rischio mostrava una maggiore attività di CAV3 e CYP27A1. Questa firma genica a sei geni ha agito come un barometro biologico, separando accuratamente i pazienti che probabilmente sarebbero sopravvissuti più a lungo da quelli che affrontavano una malattia più aggressiva. Il modello ha retto anche quando è stato testato contro un gruppo separato di pazienti provenienti da un database diverso, suggerendo che si tratti di uno strumento affidabile piuttosto che di un caso fortuito di un dataset specifico.

Scavando più a fondo, il team ha esplorato perché questi geni siano importanti. Hanno scoperto che il gruppo ad alto rischio era guidato da potenti percorsi biologici che costringono le cellule a dividersi rapidamente, specificamente quelli controllati da due regolatori principali noti come MYC ed E2F. Questi percorsi sono come un motore bloccato in un rapporto alto, che spinge il tumore a crescere e diffondersi. Lo studio ha anche esaminato il ruolo del sistema immunitario. È emerso che i tumori ad alto rischio erano spesso circondati da meno cellule immunitarie in grado di combattere il cancro, creando un ambiente silenzioso dove il tumore poteva crescere senza controllo. Per garantire che queste scoperte fossero reali e non solo modelli digitali, i ricercatori sono entrati in laboratorio. Hanno esaminato campioni di tessuto reali di trenta pazienti del loro ospedale. Utilizzando una tecnica di colorazione che rende visibili le proteine al microscopio, hanno confermato che le proteine prodotte da KIF23 e TOP2A erano effettivamente presenti in quantità molto maggiori nel tessuto canceroso rispetto al tessuto sano.

I ricercatori hanno anche utilizzato simulazioni informatiche per vedere se questi geni potessero essere bersagliati dai farmaci. Hanno scoperto che le cellule cancerose sembrano fare grande affidamento su KIF23, TOP2A e HSPD1 per sopravvivere, il che significa che questi geni sono essenziali per la vita del tumore. Hanno poi testato quanto bene potenziali molecole di farmaco potessero incastrarsi su queste proteine, in modo simile a una chiave che entra in una serratura. Le simulazioni hanno suggerito che certi composti potrebbero legarsi strettamente a queste proteine, bloccandone potenzialmente la funzione. Sebbene lo studio non abbia testato questi farmaci in animali o esseri umani viventi, i modelli informatici hanno fornito un forte indizio che questi geni specifici sono punti vulnerabili che le medicine future potrebbero colpire.

Questo lavoro non offre una cura immediata, ma fornisce una mappa più chiara del terreno. Collegando un processo chimico specifico a un set di sei geni, i ricercatori hanno dato ai medici un nuovo modo per valutare il livello di pericolo di un tumore al polmone. Hanno dimostrato che la natura aggressiva della malattia non è casuale, ma è guidata da un programma genetico prevedibile. Lo studio suggerisce che concentrandosi su questi sei geni, in particolare su quelli che guidano la rapida divisione cellulare, gli scienziati potrebbero essere in grado di sviluppare trattamenti che colpiscano specificamente le cellule staminali che mantengono in vita il cancro. Per ora, il pannello di sei geni rappresenta uno strumento validato per comprendere il rischio, offrendo un modo più preciso per guidare le decisioni terapeutiche e una nuova direzione per lo sviluppo di terapie che possano un giorno superare in astuzia le cellule più resilienti del cancro.