Celcomen: scomposizione causale spaziale per la modellizzazione di perturbazioni a livello di singola cellula e tessuto

Perché mappare i tessuti viventi conta

Ogni organo del nostro corpo è costruito da miliardi di cellule che comunicano continuamente fra loro. Queste conversazioni, portate avanti mediante l’accensione e lo spegnimento dei geni, determinano se un tessuto rimane sano, combatte un’infezione o diventa canceroso. Nuovi microscopi sono ora in grado di leggere l’attività di migliaia di geni in singole cellule mantenendone intatte le posizioni nel tessuto. Ma interpretare questa montagna di dati — e prevedere cosa accadrebbe modificando un gene o un tipo cellulare — richiede strumenti matematici potenti e affidabili. Questo studio presenta uno di questi strumenti, chiamato Celcomen, progettato per districare come le cellule influenzano se stesse e i vicini nello spazio e per prevedere come i tessuti risponderanno a malattie o terapie.

Separare la cellula dal suo vicinato

L’attività genica di ciascuna cellula riflette sia il suo programma intrinseco sia i segnali che riceve dalle cellule circostanti. I metodi esistenti spesso confondono questi due influssi o dipendono da conoscenze a priori incomplete su quali geni interagiscono tra loro. Celcomen adotta una strada diversa. Tratta il tessuto come una rete, dove ogni cellula è un nodo e le cellule vicine sono connesse da legami. All’interno di questo quadro, separa matematicamente le interazioni che avvengono all’interno di una cellula da quelle che attraversano i confini cellulari. In termini semplici, si chiede: quali variazioni geniche possono essere spiegate dal cablaggio interno della cellula e quali richiedono messaggi provenienti dai vicini?

Un motore ispirato alla causalità sotto il cofano

Al centro di Celcomen c’è una rete neurale basata su grafi strettamente vincolata da principi di inferenza causale. Piuttosto che essere una “scatola nera” che si limita a adattare i pattern, il modello è costruito per soddisfare l’identificabilità: per un dato dataset dovrebbe esistere essenzialmente una sola struttura di interazione sottostante che lo spiega. Gli autori dimostrano, sia con argomentazioni matematiche sia con simulazioni al computer, che Celcomen può recuperare lo scheletro di base della vera rete gene–gene che opera dentro e tra le cellule. Il sistema apprende prima una mappa di interazioni dai dati e poi utilizza un secondo modulo per generare profili tessutali sintetici realistici e per prevedere come i pattern di attività genica cambierebbero sotto perturbazioni specifiche.

Testare le previsioni nel cancro cerebrale umano

Per verificare se Celcomen coglie la biologia reale, il team lo ha applicato a dati spaziali ad alta risoluzione provenienti da glioblastoma umano, un tumore cerebrale aggressivo. Senza essere informato su quali geni codificano fattori secretati o proteine di segnalazione intracellulare, il modello ha assegnato automaticamente i geni coinvolti nella segnalazione cellula‑a‑cellula ai programmi di interazione esterni e ha confinato molti geni di segnalazione interna ai programmi intracellulari. Hanno quindi eseguito un esperimento virtuale: spegnere i geni correlati all’interferone in una singola cellula tumorale. Celcomen ha previsto non solo un collasso della risposta all’interferone all’interno di quella cellula, ma anche un indebolimento dei programmi immunitari guidati dall’interferone nelle cellule vicine — rispecchiando il modo in cui i segnali da interferone sono noti per diffondersi nei tessuti e influenzare l’immunità locale.

Confrontare i tessuti virtuali con tumori animali reali

Successivamente, i ricercatori hanno messo alla prova Celcomen con dati provenienti da un modello murino di cancro al polmone in cui geni specifici erano stati sperimentalmente eliminati in regioni tumorali definite. Hanno addestrato il modello solo su lesioni non perturbate o miste e poi gli hanno chiesto di simulare cosa accadrebbe se un gene scelto fosse disabilitato in particolari aree tumorali. Gli spostamenti previsti nell’attività genica sono stati confrontati con misurazioni reali provenienti da tumori in cui quei geni erano stati effettivamente cancellati in vivo. Attraverso molteplici lesioni e geni, le previsioni di Celcomen hanno mostrato forti correlazioni positive con i cambiamenti osservati, e queste correlazioni erano di gran lunga più forti di quanto ci si sarebbe aspettato per caso. Ciò suggerisce che gli esperimenti virtuali del modello sono strettamente allineati con la realtà biologica.

Cosa significa per la medicina futura

Celcomen offre un modo per costruire “tessuti virtuali” che possono essere sondati al computer anziché in laboratorio. Distinguendo quanto del comportamento di una cellula proviene dal suo cablaggio interno rispetto al suo vicinato, e fornendo previsioni stabili e interpretabili, il metodo può aiutare gli scienziati a esplorare come malattie come il cancro perturbano le comunità cellulari locali e come terapie mirate potrebbero ripristinarle. Con la crescita e la diffusione delle tecnologie spaziali e di singola cellula sempre più dettagliate, strumenti come Celcomen potrebbero guidare quali esperimenti eseguire, mettere in luce punti deboli inattesi nei tessuti malati e, in ultima analisi, accelerare la progettazione di trattamenti che agiscano non solo su singole cellule ma sulle complesse società cellulari che costituiscono i nostri organi.

Citazione: Megas, S., Chen, D.G., Polanski, K. et al. Celcomen: spatial causal disentanglement for single-cell and tissue perturbation modeling. Nat Commun 17, 4126 (2026). https://doi.org/10.1038/s41467-026-69856-5

Parole chiave: trascrittomica spaziale, comunicazione cellula–cellula, modellistica causale, microambiente tumorale, tessuti virtuali