What is shared across 33 cancer types is the tissue, not the tumour: a non-malignant axis of the microenvironment
L'analisi di oltre 10.000 campioni tumorali TCGA rivela che le strutture di rete causale riproducibili in 33 tipi di cancro sono guidate da componenti condivise del microambiente tissutale non maligno piuttosto che da driver specifici del tumore, indicando che l'inferenza causale pan-cancro da dati bulk riflette principalmente la composizione del campione piuttosto che la regolazione intrinseca del tumore.
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 cancro non è una singola malattia, ma una vasta collezione di centinaia di condizioni diverse, ognuna delle quali sorge da un tipo specifico di tessuto del corpo. Sebbene le cellule che formano un tumore siano la parte più evidente del problema, un tumore non esiste nel vuoto. È circondato da un complesso quartiere di cellule sane, che includono difensori immunitari, cellule di supporto strutturale e vasi sanguigni. Gli scienziati hanno cercato a lungo di mappare il cablaggio interno di questi tumori, cercando le istruzioni specifiche che dicono alle cellule cancerose come crescere e diffondersi. La speranza è stata che, studiando contemporaneamente molti tipi diversi di cancro, i ricercatori potessero trovare un insieme universale di regole — un programma regolatorio comune — che li guidi tutti. Se un tale programma esistesse, offrirebbe un bersaglio potente per nuovi trattamenti che potessero funzionare in modo trasversale, piuttosto che richiedere una soluzione unica per ogni singolo tipo di cancro.
Un nuovo studio mette in discussione questa speranza di lunga data guardando i dati in un modo in cui non era mai stato fatto prima. I ricercatori hanno analizzato l'attività genica di oltre 10.000 campioni tumorali rappresentanti 33 diversi tipi di cancro. Hanno utilizzato un metodo progettato per trovare relazioni di causa ed effetto tra i geni, chiedendosi quali geni accendano o spengano altri geni. Tuttavia, hanno scoperto un difetto fondamentale nel modo in cui questi confronti venivano solitamente effettuati. Poiché i diversi tipi di cancro utilizzano naturalmente set di geni differenti per funzionare, confrontarli direttamente è come cercare di confrontare due mappe di città diverse guardando la stessa coordinata sulla pagina; la posizione potrebbe essere la stessa, ma una mappa mostra un parco mentre l'altra mostra un'autostrada. Per correggere questo, i ricercatori hanno costretto tutti i 3 di 33 tipi di cancro ad essere analizzati utilizzando esattamente la stessa lista di 100 geni. Solo quando hanno allineato i dati in questo modo sono riusciti a vedere cosa fosse realmente condiviso tra le diverse malattie.
Ciò che hanno trovato è stato sorprendente. Invece di rivelare un insieme comune di istruzioni che guidano le cellule cancerose stesse, la struttura condivisa indicava interamente il tessuto sano che circonda il tumore. Il modello più costante che hanno trovato è stato un gruppo di tre geni che agiscono come segnali per reclutare cellule immunitarie, specificamente un tipo di globulo bianco che combatte le infezioni. Questi geni apparivano insieme in quasi tutti i tipi di cancro, ma non facevano parte del meccanismo interno del cancro. Invece, erano marcatori dell'ambiente del tumore, indicando quanta attività immunitaria e tessuto strutturale fosse presente nel campione. Lo studio ha dimostrato che i geni più comunemente usati per costruire queste mappe del cancro sono quelli che variano di più nella loro attività. Questi geni altamente variabili sono proprio quelli che descrivono il mix di cellule sane nel campione, non i geni che guidano il cancro. I geni che effettivamente causano il cancro, i "driver", erano così stabili nella loro attività che non sono nemmeno apparsi nei primi 100 geni selezionati per l'analisi.
I ricercatori hanno anche scoperto una regola pratica su quanti dati siano necessari per fidarsi di queste mappe. Hanno scoperto che quando uno studio ha troppo pochi campioni, il programma informatico utilizzato per trovare le connessioni inizia a inventare schemi partendo dal rumore casuale. Rimescolando i dati per vedere cosa sarebbe successo in assenza di una reale biologia, hanno identificato una soglia chiara: uno studio ha bisogno di almeno 172 campioni per trovare in modo affidabile connessioni reali quando si osservano 100 geni. Al di sotto di questo numero, i risultati sono probabilmente solo incidenti statistici. Questa scoperta suggerisce che molti studi precedenti con campioni più piccoli potrebbero aver riportato connessioni false. Inoltre, lo studio ha confermato che le poche connessioni che apparivano costantemente in tutti i 33 tipi di cancro non riguardavano le cellule cancerose che comunicavano tra loro, ma il tessuto sano che rispondeva alla presenza del tumore.
Le implicazioni di questo lavoro sono significative per il modo in cui gli scienziati interpretano i dati sul cancro. Suggerisce che quando i ricercatori vedono le stesse connessioni geniche apparire in molti tipi di cancro diversi, non dovrebbero presumere di aver trovato un meccanismo universale del cancro. Inveve, stanno probabilmente vedendo un riflesso del tessuto sano comune che circonda ogni tumore. Lo studio non dice che le cellule cancerose manchino del proprio cablaggio unico, ma piuttosto che gli strumenti standard utilizzati per trovare quel cablaggio sono attualmente sintonizzati per ascoltare il rumore dell'ambiente circostante. Per trovare i veri driver del cancro, gli scienziati dovranno guardare a una gamma molto più ampia di geni e assicurarsi di avere abbastanza campioni per separare i segnali reali dal caso. Fino ad allora, la caratteristica più riproducibile condivisa da tutti i tipi di cancro non è il tumore stesso, ma il tessuto in cui vive.
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.