NOVITA' SUL GENOMA

Gli scienziati che studiano le malattie ereditarie complesse spesso sono vittime del cosiddetto "effetto lampione". Il termine si riferisce a una vecchia barzelletta su un ubriaco che cerca sotto un lampione le chiavi perse. Un poliziotto gli chiede: "Sei sicuro che è questo il posto dove le hai perse?" L'ubriaco risponde: "No, le ho perse nel parco, ma qui c'è più luce".

Per i ricercatori che studiano le radici genetiche delle malattie umane, la maggior parte della luce brilla in quel due per cento del genoma umano che include le sequenze di DNA che codificano per proteine. "E' vero, molte malattie sono causate da mutazioni verificatesi in quelle determinate sequenze, ma queste mutazioni sono solo i frutti più facili da raggiungere", dice Brendan Frey dell'Università di Toronto, che studia le reti di geni. "Sono facili da trovare perché la mutazione cambia effettivamente un amminoacido in un altro, e questo a sua volta modifica notevolmente la proteina."

Il problema è che molte mutazioni correlate a qualche malattia avvengono anche nelle regioni non codificanti del genoma, le parti che non producono direttamente le proteine ma che regolano il comportamento dei geni. Gli scienziati sono da tempo consapevoli di quanto sarebbe importante analizzare l'altro 98 per cento del genoma, ma finora non si è trovato un modo pratico per farlo.

Ora Frey ha sviluppato un algoritmo informatico di “apprendimento profondo” che fa un po' di luce sull'intero genoma. Un articolo pubblicato su “Science” di recente descrive come questo algoritmo sia in grado di identificare schemi di mutazione nel DNA codificante e in quello non codificante. L'algoritmo può anche prevedere la probabilità per cui ogni variante contribuisca a una certa malattia. "Il nostro metodo funziona in modo molto diverso dai metodi esistenti", dice Frey, autore principale dello studio. "Gli approcci di tipo GWAS, QTL ed ENCODE non restituiscono relazioni causali. Possono solo stabilire correlazioni. Il nostro sistema prevede se una mutazione provocherà o meno un cambiamento nello splicing dell'RNA [ossia una modificazione nel processo di formazione dell'RNA messaggero che trasporta le istruzioni genetiche ai ribosomi per la produzione effettiva delle proteine. NdR] che potrebbe portare a un fenotipo patologico."

I ricercatori hanno usato tecniche computazionali di “apprendimento profondo” per creare un sistema che simula il processo di splicing nella cellula (sinistra). Caratteristiche come schemi, strutture secondarie dell'RNA e posizioni dei nucleosomi sono determinate dall'algoritmo a partire dalla sequenza del DNA (destra). Le combinazioni di queste caratteristiche portano a modelli complessi, poi analizzati per prevedere dove avverrà lo splicing. L'effetto di una mutazione è valutato applicando il sistema alla sequenza corretta e a quella mutata con una procedura che permette di identificare le mutazioni che hanno maggiori probabilità di essere collegate a una certa malattia. (Cortesia  Graham Johnson e Andrew Delong)

Lo splicing dell'RNA è uno dei passi più importanti della trasformazione di istruzioni genetiche in organismi viventi. Lo splicing determina quali parti di codice del DNA vengano incluse nelle stringhe di RNA messaggero necessarie a produrre proteine. Configurazioni diverse producono proteine differenti. Una cattiva regolazione dello splicing contribuisce allo sviluppo del 15-60 per cento circa delle malattie genetiche umane.

Frey, un ingegnere informatico che ha un incarico al Dipartimento di ricerca medica dell'università, ha addestrato il suo algoritmo con milioni di dati: sequenze di DNA, variazioni genetiche e modelli di splicing dell'RNA. L'algoritmo è stato poi in grado di estrapolare la probabilità che una delle decine di migliaia di mutazioni possa causare un errore di splicing associato a una particolare malattia.

Il gruppo di ricerca ha testato il metodo sull'atrofia muscolare spinale e sul cancro colorettale non poliposico. Frey dice che l'obiettivo "più ambizioso" era lo studio del disturbo dello spettro autistico; si conoscono circa 100 geni associati all'autismo. In realtà, molti ricercatori pensano che sia probabile che l'autismo includa molti disturbi, ciascuno derivante da mutazioni uniche che però hanno tutte sintomi comuni.

Lavorando con Stephen Scherer, ricercatore dell'Università di Toronto specializzato nello studio dell'autismo, Frey ha confrontato le mutazioni nel genoma di pazienti con autismo con quelle di un gruppo di controllo. Non è spuntato nulla di insolito. Ma quando Frey e Scherer hanno testato i genomi rispetto alle mutazioni identificate dall'algoritmo di Frey, hanno "visto emergere degli schemi". Secondo Frey, "I bambini con autismo hanno più probabilità di avere queste mutazioni con 'alto punteggio' che cambiano il significato del genoma, e che si pensa siano coinvolte nelle funzioni cerebrali e di sviluppo".

L'analisi dell'algoritmo non solo corrispondeva con le conoscenze esistenti sulla genetica dell'autismo, ma ha anche identificato 17 nuovi geni candidati a essere patogeni. Per ognuna delle tre malattie affrontate nello studio, le previsioni fatte dall'algoritmo erano in linea con i dati esistenti e puntavamo anche verso altre regioni del genoma che i ricercatori potranno ora indagare.

Secondo Stephan Sanders, docente all'Università della California a San Francisco, la combinazione di analisi dell'intero genoma e di modelli predittivi per lo splicing dell'RNA rende il metodo di Frey un importante contributo al campo: "Non vedo l'ora di usare questo strumento su gruppi di dati più grandi e capire a fondo l'importanza dello splicing". Sanders, che studia le cause genetiche delle malattie, osserva che l'approccio di Frey completa, e non sostituisce, altri metodi di analisi genetica. "Penso che qualsiasi genomista [sic] – dice Sanders- sarebbe d'accordo sul fatto che le aree non codificanti del genoma sono estremamente importanti. Questo metodo è un modo davvero nuovo di studiarle.”

Diversi esperti, come del resto gli stessi autori dello studio, avvertono che il percorso per arrivare a nuove terapie partendo da questo tipo di ricerca sarà molto lungo, ma concordano anche sul fatto che il metodo di Frey sia una via importante verso quell'obiettivo. "Il sequenziamento dell'intero genoma è essenziale", afferma Robert Ring, chief science officier di Autism Speaks e già direttore scientifico del gruppo di studio sull'autismo di Pfizer. "Ma dargli un senso è proprio la questione cruciale. Questi ragazzi stanno insegnando alla macchina ad acquisire dati dell'intero genoma e sviluppare nuovi modi per trovare quali cambiamenti genetici potrebbero essere clinicamente significativi. Ovvero dove è più probabile che ci possano essere nuove terapie e diagnosi." 

http://www.lescienze.it/news/2014/12/30/news/algoritmo_dna_non_codificante_mutazioni_malattie-2427388/