Un innovativo algoritmo di machine learning, sviluppato da un gruppo di ricerca guidato da Gian Gaetano Tartaglia, Principal Investigator dell’Istituto Italiano di Tecnologia, è in grado di studiare il complesso comportamento delle proteine all’interno delle cellule e di prevedere il loro potenziale nel causare malattie neurodegenerative come la Sclerosi Laterale Amiotrofica, il Parkinson e l’Alzheimer.
Denominato catGRANULE 2.0 ROBOT, questo potente strumento computazionale aiuta a identificare target molecolari cruciali per lo sviluppo di studi e terapie mirate contro queste devastanti patologie. La sua metodologia e i risultati promettenti sono stati recentemente pubblicati sulla prestigiosa rivista Genome Biology.
Malattie Neurodegenerative: Una Sfida Sanitaria e Socio-Economica Urgente
Le patologie neurodegenerative rappresentano una delle sfide sanitarie più significative del nostro tempo, con importanti ricadute socio-economiche. Solo in Italia, si stima che circa 1 milione di persone siano affette da queste condizioni, con un costo medio per paziente stimato intorno ai settantamila euro. Il team guidato dal professor Tartaglia sta concentrando i propri sforzi sullo studio del comportamento chimico-fisico di specifiche proteine strettamente collegate all’insorgenza di tali malattie.
Il Ruolo dei Condensati Biomolecolari nell’Insorgenza delle Patologie
Nell’ambiente dinamico della cellula, queste proteine possiedono la peculiare capacità di formare condensati biomolecolari, intricate aggregazioni simili a gomitoli che, in determinate circostanze, diventano insolubili in acqua. In condizioni di salute, questo meccanismo svolge un ruolo fisiologico essenziale nella regolazione della produzione di altre proteine e nella risposta a situazioni di stress cellulare. Tuttavia, quando il processo di condensazione proteica subisce un’alterazione, si innesca un pericoloso stato patologico: i gomitoli proteici si trasformano in strutture solide che si accumulano all’interno delle cellule, conducendole inevitabilmente alla morte. Esempi emblematici di questi aggregati tossici includono i corpi di Lewy associati al Parkinson, gli accumuli di filamenti nel motoneurone tipici della SLA, e le placche amiloidi correlate all’Alzheimer.
catGRANULE 2.0 ROBOT: Decifrare il Legame tra Mutazioni Proteiche e Aggregazione Tossica
Il passaggio critico da uno stato di salute all’insorgenza della malattia è spesso innescato da sottili modifiche nella struttura proteica, che trasformano i fluidi condensati biomolecolari in rigidi aggregati di materia solida. Sotto la supervisione del professor Tartaglia, i ricercatori post-doc dell’IIT Michele Monti e Jonathan Fiorentino hanno sviluppato un sofisticato algoritmo, battezzato catGRANULE 2.0 ROBOT (acronimo di Ribonucleoprotein Organization in Biocondensates Organelle Types). Questo strumento innovativo è in grado di comprendere il complesso legame tra le mutazioni presenti nelle proteine e la successiva formazione dei dannosi condensati insolubili. L’utilizzo di questo software avanzato permette di rintracciare le proteine potenzialmente dannose, aprendo nuove prospettive per l’identificazione di target terapeutici specifici e lo sviluppo di terapie mirate.
“L’individuazione di caratteristiche biochimiche strettamente correlate alle malattie neurodegenerative è di cruciale importanza per poter intervenire precocemente e rallentare il progressivo decadimento cognitivo”, sottolinea Gian Gaetano Tartaglia, coordinatore di questa importante ricerca. “Abbiamo meticolosamente addestrato il nostro sistema di intelligenza artificiale a riconoscere la formazione dei condensati proteici, un evento che in molti casi rappresenta il passo iniziale per la successiva formazione degli aggregati tossici responsabili della neurodegenerazione. Un contributo fondamentale a questo processo patologico è rappresentato dall’interazione tra le proteine e l’RNA”.
Il Ruolo Chiave dell’Interazione RNA-Proteina nella Formazione dei Condensati Tossici
Il meccanismo chimico-fisico che conduce alla formazione dei condensati biomolecolari è scientificamente definito separazione di fase liquido-liquido, e alcune proteine possiedono una specifica struttura tridimensionale che favorisce attivamente questo processo. La formazione di questi “gomitoli” proteici è finemente regolata anche dall’RNA, una molecola biologica che interagisce dinamicamente con le proteine, facilitando o inibendo la separazione di fase.
Il gruppo di ricerca dell’IIT ha focalizzato la propria attenzione sull’intricata interazione RNA-proteina e ha istruito catGRANULE 2.0 ROBOT affinché utilizzi questo parametro cruciale come indicatore chiave per determinare se un condensato biomolecolare possiede il potenziale per evolvere in una forma tossica. L’algoritmo di machine learning è in grado di analizzare approfonditamente la struttura di una proteina, esaminando le sequenze di amminoacidi che la compongono e valutando la sua specifica affinità per l’RNA. Da questa complessa analisi, i ricercatori possono quindi determinare la propensione della proteina a subire la separazione liquido-liquido e a generare condensati. Il metodo ROBOT permette inoltre di studiare in dettaglio l’influenza delle mutazioni genetiche sulla separazione liquido-liquido: se queste alterazioni modificano l’interazione proteina-RNA, è altamente probabile che condizionino anche la formazione dei condensati, portando a gravi conseguenze patologiche.
Il Progetto Internazionale IVBM-4PAP e il Microscopio Brillouin per la Diagnosi Precoce
Questo studio pionieristico si inserisce nel contesto del prestigioso progetto internazionale IVBM-4PAP, coordinato proprio dall’Istituto Italiano di Tecnologia. L’obiettivo primario di questo ambizioso progetto è lo sviluppo di un microscopio all’avanguardia denominato In-Vivo Brillouin Microscope, uno strumento rivoluzionario progettato per individuare nuovi target terapeutici nel complesso scenario delle malattie neurodegenerative. L’IVBM sarà in grado di misurare con precisione le proprietà fisiche delle proteine e dei condensati direttamente all’interno delle cellule viventi, senza la necessità di interventi esterni invasivi. L’algoritmo catGRANULE 2.0 ROBOT rappresenta la solida base computazionale su cui l’intero consorzio di ricerca sta sviluppando il progetto IVBM-4PAP: fornisce infatti preziose previsioni teoriche su quali specifiche proteine e mutazioni potrebbero rivestire un ruolo patologico rilevante. I ricercatori avranno quindi la possibilità di verificare in modo sperimentale i calcoli teorici utilizzando il microscopio IVBM, osservando in tempo reale il comportamento delle proteine e le loro intricate interazioni con l’RNA all’interno dell’ambiente cellulare.
Sinergia tra Intelligenza Artificiale e Microscopia per Nuove Terapie Neurodegenerative
L’integrazione sinergica tra il potente lavoro computazionale dell’algoritmo catGRANULE 2.0 ROBOT e le attività sperimentali condotte con il microscopio IVBM possiede un enorme potenziale per identificare precocemente i segnali patologici che precedono l’insorgenza delle malattie neurodegenerative. Questa sinergia innovativa potrebbe aprire la strada allo sviluppo di nuove strategie terapeutiche in grado di rallentare significativamente la progressione di queste devastanti patologie, riducendone così gli impatti a lungo termine sulla vita dei pazienti e sulle loro famiglie.
