Identificazione di biomarcatori diagnostici e prognostici nell’adenocarcinoma polmonare mediante analisi bioinformatica integrata e validazione con PCR in tempo reale

Perché è importante individuare presto il cancro ai polmoni

Il cancro polmonare è uno dei tumori più letali, in gran parte perché spesso viene scoperto troppo tardi. La forma più comune, l’adenocarcinoma polmonare, può crescere silenziosamente per anni prima di causare sintomi. Questo studio indaga se schemi rilevabili nel sangue e nei tessuti tumorali possano rivelare la malattia molto prima. Combinando grandi set di dati genetici con intelligenza artificiale e verificando poi i risultati su pazienti reali, i ricercatori mirano a identificare marcatori ematici semplici che un giorno potrebbero aiutare i medici a diagnosticare il tumore polmonare prima e a guidare le terapie.

Cercare segnali di allarme nei geni

Il gruppo ha iniziato con dati di sequenziamento dell’RNA provenienti da 522 persone, di cui 506 con adenocarcinoma polmonare e 16 controlli sani. L’RNA è la “copia operativa” dei nostri geni e riflette quali geni sono attivi o spenti nelle cellule. Dopo un’attenta pulizia e normalizzazione dei dati, hanno confrontato i livelli di attività genica tra campioni tumorali e non tumorali. Questo ha rivelato 3.513 geni la cui attività risultava significativamente diversa nei pazienti. Questi geni, detti geni differenzialmente espressi, hanno costituito il materiale grezzo per un modello computazionale in grado di imparare a distinguere tessuto sano da tessuto canceroso sulla base dei pattern genici.

Insegnare ai computer a riconoscere il cancro

Per analizzare migliaia di geni, i ricercatori hanno utilizzato un approccio di deep learning, una forma di intelligenza artificiale ispirata alle reti di cellule cerebrali. Hanno costruito una rete neurale con diversi strati nascosti che riceveva i dati di espressione genica e imparava a classificare ogni campione come tumorale o sano. Il modello è stato addestrato sulla maggior parte dei dati e poi testato su una porzione separata mai vista prima. Le prestazioni sono state impressionanti: il sistema ha identificato correttamente casi e controlli con circa il 98% di accuratezza, un’area sotto la curva pari a 1,0 (un punteggio quasi perfetto) e un tasso di errore estremamente basso nelle stime di probabilità. Dal modello sono emersi 20 geni che hanno contribuito maggiormente alle decisioni, evidenziando una lista ristretta di candidati promettenti per studi futuri.

Dalle previsioni del computer ai test del sangue reali

Trovare pattern genici in grandi banche dati è utile solo se quegli stessi pattern si riscontrano nelle persone reali. Per verificare ciò, i ricercatori hanno raccolto sangue da 30 pazienti con adenocarcinoma polmonare (tutti con malattia da stadio precoce a intermedio e senza trattamenti precedenti) e da 30 volontari sani assortiti per età e sesso. Usando una tecnica di laboratorio chiamata PCR in tempo reale, hanno misurato l’espressione di vari geni marcatore predetti nelle cellule del sangue. In particolare quattro geni sono risultati evidenti. CYP2C9, KRT14 e PECAM1 erano molto più attivi nel sangue dei pazienti rispetto ai soggetti sani, mentre A2M risultava meno attivo. Per esempio, i livelli di CYP2C9 erano circa quattro volte più alti e quelli di KRT14 circa otto volte più alti nei pazienti, mentre A2M era approssimativamente la metà. Queste differenze chiare suggeriscono che un test combinato su questi marcatori nel sangue potrebbe aiutare a distinguere chi ha un adenocarcinoma polmonare.

Indizi su prognosi e comportamento della malattia

Lo studio ha superato la semplice diagnosi binaria. Collegando l’attività genica a informazioni cliniche come dimensione del tumore, diffusione, stadiazione e sopravvivenza dei pazienti, il team ha identificato geni che potrebbero prevedere come si comporterà il tumore di una persona. Diversi geni, inclusi CYP2C9, KCNV1, KRT24, SIRPD, PECAM1 e un gene non codificante chiamato LOC730668, sono risultati associati agli esiti clinici. Alcuni sembrano legati alla crescita dei vasi sanguigni che nutrono i tumori, altri a come le cellule tumorali interagiscono con il sistema immunitario o resistono alla morte cellulare. Verifiche esterne in più dataset indipendenti hanno mostrato che la maggior parte di questi marcatori si comporta in modo coerente, aumentando la fiducia che i risultati non siano dovuti a fluttuazioni di un singolo dataset.

Cosa potrebbe significare per i pazienti

In termini semplici, questo lavoro mostra che una combinazione intelligente di cinque geni—A2M, CYP2C9, KCNV1, KRT24 e SIRPD—può segnalare l’adenocarcinoma polmonare con alta sensibilità nei dati genetici, e che almeno quattro di essi mostrano cambiamenti chiari e misurabili nel sangue. Pur non essendo ancora pronti per lo screening di routine, questi marcatori offrono un progetto promettente per futuri test ematici che potrebbero rilevare il cancro polmonare in fase più precoce, quando è più curabile. Potrebbero anche aiutare i medici a stimare l’aggressività di un tumore e a personalizzare le terapie. Saranno necessari ulteriori studi su gruppi di pazienti più ampi e diversificati, ma i risultati suggeriscono che l’intelligenza artificiale, unita a una rigorosa validazione di laboratorio, può accelerare la ricerca di strumenti pratici e minimamente invasivi per combattere il cancro polmonare.

Citazione: Hossein Zadeh, R., Hossein Zadeh, R., Hajimoradi, M. et al. Identification of diagnostic and prognostic biomarkers in lung adenocarcinoma through integrated bioinformatics analysis and real time PCR validation. Sci Rep 16, 6679 (2026). https://doi.org/10.1038/s41598-026-35971-y

Parole chiave: adenocarcinoma polmonare, biomarcatori, deep learning, esame del sangue, rilevamento precoce del cancro