Una piccola goccia di sangue per un mare di informazioni

Il nuovo metodo, chiamato farmacoscopia, combina la microscopia automatizzata e l’analisi dell’immagine della singola cellula per fornire dati pari a oltre 20 milioni di cellule. Grazie al progetto I-FIVE, che si è svolto dal 2010 al 2015, essa è stata usata con successo per selezionare nuovi farmaci antivirali o immunomodulanti. Il team del progetto ha inoltre dimostrato che l’approccio potrebbe aiutare gli ematoncologi a prendere delle decisioni terapeutiche in un concreto ambiente clinico utilizzando mielofibrosi primaria e linfoma come malattie di prova.

Con CHEMOS (Chemical Haematology: breaking resistance of haematological malignancies through personalised drug trials), il prof. dott. Giulio Superti-Furga e il suo team puntavano a far avvicinare il loro metodo di selezione al mercato: il progetto cerca di ottenere dati clinici mediante esperimenti retrospettivi e di usare i risultati per attirare potenziali investitori.

Il prof. Superti-Furga ha accettato di discutere i risultati del progetto prima della sua conclusione a settembre.

Come spiegherebbe il fatto che la medicina personalizzata per il cancro del sangue non sia finora riuscita a mantenere le sue promesse?

Per la maggior parte, la medicina personalizzata, sia per il cancro del sangue che per i cancri solidi, dipende dalla tecnologia dello screening funzionale che si concentra sulle caratteristiche medie della risposta ai farmaci. Questa generalizzazione non fa una distinzione tra gli effetti bersaglio, mentre noi riteniamo che una tale differenziazione sia molto importante per prevedere la risposta del paziente.

Inoltre, precedenti esami funzionali hanno misurato la citotossicità nelle fasi iniziali e avanzate usando informazioni come ad esempio i livelli globali di ATP, che non hanno fornito delle risposte sufficientemente consistenti da essere usati regolarmente all’interno di un ambiente clinico. Per giunta, questi esami hanno bisogno che molto materiale superi i limiti di rilevamento, e gli esami come ad esempio la citometria a flusso automatizzata presentano l’ulteriore problema di richiedere un componente pratico. Naturalmente, questi esami funzionali hanno aperto la strada per la nostra ricerca. Ma il lavoro su questi approcci si è concentrato su stratificazione dei pazienti, analisi delle risposte ex vivo, scoperta di farmaci e delucidazione del meccanismo di azione: essi devono ancora diventare una pratica clinica quotidiana.

Un’altra questione è rappresentata dal fatto che la genetica – che ha davvero mostrato la strada verso il trattamento personalizzato dei tumori solidi – si potrebbe dimostrare difficile da applicare alle malignità ematologiche a causa della diversità nell’evoluzione clonale durante progressione e trattamento del cancro. Riteniamo che il nostro lavoro si combini molto bene con la genetica, sia che si tratti di genetica focalizzata che di approcci genetici più globali, e dovrebbe portare a intuizioni meccanicistiche e nuove vie bersaglio.

In che modo il vostro nuovo metodo di screening fornisce una soluzione a questi problemi?

Crediamo che la differenziazione dell’effetto del farmaco sulle cellule sane rispetto a quello sulle cellule del cancro – un’idea che si perde nei precedenti esami facendo una media delle informazioni – sia la chiave per prevedere la risposta. Pertanto, nel nostro programma, utilizziamo la microscopia ad alto contenuto per determinare – a una risoluzione di singola cellula – gli effetti dei farmaci su ogni singola cellula. Nella maggior parte dei casi, questi effetti implicano la morte della cellula, come determinato dalla disgregazione nucleare di ciascuna cellula misurata nelle immagini microscopiche.

I fenotipi della cellula del cancro possono essere separati da quelli della cellula sana usando anticorpi fluorescenti in confronto a marcatori diagnostici, proprio come farebbe un patologo. Effettuando questo esame a una risoluzione di singola cellula e su larga scala, in maniera automatizzata, ogni cellula diventa un saggio. Questo ci consente di raccogliere una risposta differenziata delle cellule e di individuare con precisione i farmaci che uccidono le cellule del cancro lasciando allo stesso tempo vitale tutto il rimanente materiale cellulare sano.

Possiamo fare questo su migliaia di cellule per farmaco, e centinaia di migliaia di farmaci per campione prelevato da un paziente. Tutto questo porta a delle misurazioni molto consistenti con una marcata forza statistica, raccolte con un minimo intervento umano, visto che l’apparato può essere completamente automatizzato e il bisogno di materiale è minimo. Anche le immagini sono uniche, dal momento che ci forniscono un tesoro di dati dove scavare.

Come procedete esattamente?

Ogni pozzetto, parte di una tavola di screening con 384 pozzetti, è ricoperto con un farmaco. Le cellule del paziente sono messe in ciascuna piastra, e creiamo un singolo strato di cellule che osserviamo con un microscopio confocale automatico. Questo porta a circa 2 000 immagini per tavola da 384 pozzetti, e a un totale di dati pari a 20 milioni di cellule. Queste immagini vengono poi messe all’interno di una procedura per l’analisi delle immagini che estrae le caratteristiche rilevanti.

Che cosa ritiene renda i risultati del progetto così innovativi?

Abbiamo trovato una soluzione dove una piastra da 384 pozzetti non implica 384 test, ma un test singolo che contiene i dati provenienti da approssimativamente 20 milioni di cellule. Riteniamo che questa sia davvero la base di un’era dei “megadati” per la medicina, e forse noi stiamo solo esaminando superficialmente i dati contenuti in queste immagini, e la parte dei dati che può essere tradotta. Questa è una scoperta importante. Da un punto di vista più concettuale, abbiamo scoperto che circa il 10 % delle terapie comunemente utilizzate hanno la capacità di modulare il sistema immunitario.

Quali malattie potrebbero essere messe nel mirino da questo metodo? In che modo?

Ci siamo concentrati sulle malignità ematologiche a causa della facilità con cui i campioni possono essere estratti dai pazienti durante le visite di routine (gran parte del campione che riceviamo avanza dopo la patologia di routine). Abbiamo inoltre iniziato a osservare altri tipi di malattie, come ad esempio quelle auto infiammatorie, iniziando con l’artrite reumatoide, anche se per altri tipi di programmi di medicina personalizzata.

Quale è stato finora il feedback dai potenziali investitori?

Il feedback è stato molto positivo sia dalle aziende che dagli investitori strategici, oltre che da programmi sostenuti dal governo qui in Austria.

Come pensate di portare i risultati di CHEMOS sul mercato?

Abbiamo fondato un’azienda, Allcyte, qui a Vienna che si concentrerà sul portare questa tecnologia sul mercato.

CHEMOS
Finanziato nell’ambito di H2020-ERC
Pagina del progetto su CORDIS