Alzheimer: un approccio machine learning per individuare le predisposizioni genetiche

Università di Roma La Sapienza 14 Apr 2022



Un nuovo studio Sapienza, realizzato con l’Istituto italiano di tecnologia (IIT) e altri centri di ricerca internazionali, ha valutato la possibilità di predirre con metodi di apprendimento automatico le varianti genetiche associate a un alto rischio di malattia. I risultati del lavoro sono stati pubblicati su Alzheimer's & Dementia: Diagnosis, Assessment & Disease Monitoring
L’Alzheimer fa parte di quelle malattie genetiche causate da mutazioni a livello di un singolo gene, ovvero in cui una variante a livello di singolo nucleotide (SNV Single-Nucleotide Variants) è sufficiente per causare la patologia genetica. Ad oggi si conoscono il gene e la mutazione coinvolti nell’insorgenza di solo la metà di queste malattie.

Diversi studi di larga scala (chiamati in inglese GWAS, Genome-wide association studies) hanno portato alla luce informazioni su singole varianti associate alla propensione di un paziente di contrarre l’Alzheimer, ma gli SNV non posso essere utilizzati efficacemente a scopo predittivo senza considerare le relazioni fra di essi e i potenziali rapporti con altri elementi del genoma.

Basti pensare che molti soggetti con una determinata variante genica associata all’Alzheimer (come per esempio la mutazione nel gene APOE), non sviluppano la patologia.

Per comprendere come ciò possa accadere, un team di ricercatori del Dipartimento di Biologia e biotecnologie Charles Darwin della Sapienza, insieme con l’Istituto italiano di tecnologia (IIT) e altri centri di ricerca internazionali, ha utilizzato un approccio di machine learning per analizzare l’intero profilo genomico di pazienti con malattia di Alzheimer e individuare le predisposizioni genetiche alla base dell’insorgenza della patologia. I risultati dello studio, condotto dalla giovane ricercatrice Magdalena Arnal nel laboratorio Sapienza di Gian Gaetano Tartaglia, sono stati pubblicati sulla rivista Alzheimer's & Dementia: Diagnosis, Assessment & Disease Monitoring.

In particolare, per costruire i profili genomici, è stato utilizzato un subset di dati costruito a partire da due dei più grandi database esistenti: UK Biobank e ADNI.

“Le combinazioni ottenibili sono innumerevoli, abbiamo quindi sviluppato un approccio informatico di tipo machine learning per semplificare l’analisi - spiega Magdalena Arnal. “Senza questa svolta computazionale la nostra analisi non sarebbe stata possibile”.

In questo modo i ricercatori hanno identificato sei varianti SVN in una zona del genoma, il cromosoma 19, che permettono di identificare un gran numero di individui come potenziali casi di Alzheimer.

“Quello che abbiamo scoperto è definito epistasi, una forma di interazione genica per cui una variazione genica può mascherare o contribuire all'espressione fenotipica di altri geni - aggiunge Gian Gaetano Tartaglia. “Questa è la chiave per comprendere l’organizzazione del genoma: a seconda di come gli SNV si combinano, un individuo può sviluppare la malattia di Alzheimer o meno”.

Il prossimo step per i ricercatori sarà quello di identificare nuovi patterns coinvolti in altre malattie.

 

Ultima modifica il Giovedì, 14 Aprile 2022 07:56
Vota questo articolo
(0 Voti)

Lascia un commento

Assicurati di aver digitato tutte le informazioni richieste, evidenziate da un asterisco (*). Non è consentito codice HTML.

 

Scienzaonline con sottotitolo Sciencenew  - Periodico
Autorizzazioni del Tribunale di Roma – diffusioni:
telematica quotidiana 229/2006 del 08/06/2006
mensile per mezzo stampa 293/2003 del 07/07/2003
Scienceonline, Autorizzazione del Tribunale di Roma 228/2006 del 29/05/06
Pubblicato a Roma – Via A. De Viti de Marco, 50 – Direttore Responsabile Guido Donati

Photo Gallery