Machine Learning-Driven Identification of Therapeutic Checkpoints in Rheumatoid Arthritis: A Network-Based Approach to Discover Resolution- Promoting Agents

Per decenni, l'approccio medico all'artrite reumatoide è stato ampiamente difensivo. I medici si sono concentrati sulla soppressione del sistema immunitario iperattivo dell'organismo, utilizzando farmaci per calmare l'infiammazione che causa dolore e gonfiore articolare. Sebbene questi trattamenti aiutino molte persone, spesso non riescono a fornire una cura duratura, lasciando una parte significativa di pazienti con una malattia che non scompare mai veramente. Gli scienziati si stanno ora rendendo conto che semplicemente abbassare il volume dell'infiammazione non è sufficiente. Il corpo possiede un meccanismo naturale e integrato per fermare l'infiammazione e guarire se stesso, un processo noto come risoluzione. In una persona sana, una volta affrontata un'infezione o un infortunio, segnali specifici dicono al sistema immunitario di fermarsi e permettere ai tessuti di tornare alla normalità. Nell'artrite reumatoide, questo "interruttore di spegnimento" sembra essere rotto. Il nuovo campo della farmacologia della risoluzione cerca di risolvere questo problema cercando modi per riavviare attivamente il processo di guarigione del corpo, piuttosto che limitarsi a sopprimere l'attacco.

Un recente studio di Ahmad Fathinejad presso l'Università Islamica Azad esamina questo problema da una nuova prospettiva, combinando l'informatica con la biologia per trovare i punti specifici nel corpo in cui questo processo di guarigione si blocca. Invece di considerare la malattia come una semplice lista di sintomi, il ricercatore ha trattato il tessuto infiammato all'interno delle articolazioni come una rete complessa di migliaia di geni che lavorano insieme. Analizzando l'attività genetica nel tessuto articolare dei pazienti con artrite reumatoide e confrontandola con il tessuto sano, lo studio mirava a mappare esattamente quali parti della rete genetica impedivano al corpo di guarire se stesso. L'obiettivo era trovare i punti di controllo critici, o checkpoint, che potessero essere bersagliati per riavviare il processo di risoluzione e poi, utilizzare il computer per trovare farmaci esistenti che potessero essere in grado di azionare quegli interruttori.

La ricerca è iniziata raccogliendo dati genetici dal tessuto articolare umano, separando con cura i campioni dei pazienti con artrite reumatoide da quelli degli individui sani. Utilizzando potenti algoritmi informatici, il team ha analizzato l'attività di oltre ventimila geni per vedere quali si comportassero diversamente nel tessuto malato. Hanno scoperto che più di duemila geni stavano lavorando troppo o non stavano lavorando abbastanza nei pazienti con artrite. Per dare un senso a questa enorme quantità di informazioni, i ricercatori hanno utilizzato un metodo chiamato machine learning, ovvero un tipo di intelligenza artificiale capace di trovare schemi nascosti in dati complessi. Hanno addestrato un modello informatico per riconoscere la firma genetica unica dell'artrite reumatoide. Per garantire che il modello non stesse solo memorizzando i dati ma stesse effettivamente imparando la biologia della malattia, lo hanno testato su un gruppo completamente separato di pazienti che il computer non aveva mai visto prima. Il modello ha identificato la malattia in questo nuovo gruppo con un'elevata precisione, dimostrando che i modelli genetici trovati erano reali e coerenti, e non solo un caso fortuito del primo gruppo di campioni.

Una volta che il computer ha confermato di poter distinguere l'affezione dalla salute in modo affidabile, i ricercatori hanno usato il modello per individuare i geni più importanti che guidano il problema. Hanno ridotto le migliaia di geni attivi a soli quindici attori chiave che agivano come hub centrali nella rete. Questi quindici geni, inclusi tre prominenti chiamati MYC, PTPRC e JUN, sono stati identificati come i checkpoint terapeutici critici. Questi sono i punti specifici nella rete biologica in cui il processo di risoluzione sta fallendo. Lo studio suggerisce che, se un trattamento potesse influenzare questi geni specifici, potrebbe essere possibile forzare il corpo a passare da uno stato di infiammazione cronica a uno stato di guarigione. Questo approccio va oltre il semplice blocco del sistema immunitario e mira invece a guidarlo verso una conclusione naturale.

Con questi quindici checkpoint identificati, il team si è rivolto al passaggio successivo: trovare un modo per ripararli. Hanno utilizzato una tecnica chiamata analisi della firma inversa, che funziona come un motore di ricerca digitale per i medicinali. Il computer ha preso il profilo genetico dei checkpoint guasti e ha cercato in un enorme database di farmaci noti per trovare composti che potessero produrre l'esatto effetto opposto. L'obiettivo era trovare una sostanza che spingesse l'attività genetica verso uno stato di salute. La ricerca ha dato come risultato due candidati promettenti: un composto chiamato Manumicina A e un altro chiamato Salermide. Il computer ha anche identificato una molecola naturalmente presente nel corpo, la 15-Deossi-PGJ2, che è già nota per aiutare ad avviare il processo di guarigione. Il fatto che il computer abbia trovato indipendentemente questa molecola di guarigione naturale ha servito come forte conferma che il metodo stava funzionando correttamente. La Manumicina A è nota per impedire alle cellule di crescere troppo velocemente, il che potrebbe aiutare a ridurre l'ispessimento del tessuto articolare, mentre la Salermide agisce sugli interruttori genetici che controllano l'infiammazione, potenzialmente silenziando i segnali che mantengono il dolore.

Lo studio conclude che questa combinazione di machine learning e analisi di rete offre un nuovo e potente modo per scoprire trattamenti. Concentrandosi sulla capacità del corpo di risolvere l'infiammazione piuttosto che limitarsi a sopprimerla, i ricercatori hanno identificato un piccolo set di geni che potrebbero servire come bersagli per nuove terapie. Hanno inoltre reso l'intero processo, inclusi il codice e i dati, disponibile ad altri scienziati attraverso una dashboard online aperta, consentendo a chiunque di esplorare i risultati. Sebbene queste scoperte siano attualmente computazionali e richiedano ulteriori test in laboratorio e in studi clinici, esse forniscono una tabella di marcia chiara e basata sui dati per lo sviluppo di farmaci che possano aiutare il corpo a guarire se stesso. Il lavoro suggerisce che la chiave per trattare l'artrite reumatoide potrebbe non risiedere nel trovare un bloccante più forte, ma nel trovare la chiave giusta per sbloccare la capacità del corpo di recuperare.