I ricercatori dell’Università della California a San Diego hanno sviluppato un nuovo metodo di intelligenza artificiale (AI) in grado di prevedere come sono organizzate le cellule nei microambienti della malattia. Il metodo, chiamato sc-ATAC-seq, può identificare tipi cellulari rari e le loro interazioni all'interno di tessuti complessi. Queste informazioni potrebbero aiutare i ricercatori a comprendere meglio come le malattie si sviluppano e si diffondono e potenzialmente portare a nuovi trattamenti.

"Capendo come le cellule sono organizzate nei microambienti della malattia, possiamo ottenere informazioni sui meccanismi della malattia e sviluppare terapie mirate", ha affermato il dottor Bing Ren, professore di medicina cellulare e molecolare presso l'UC di San Diego e autore senior dello studio.

Attualmente, gli scienziati utilizzano solitamente il sequenziamento dell'RNA a cellula singola (scRNA-seq) per studiare l'espressione genica nelle singole cellule. Sebbene scRNA-seq fornisca informazioni preziose sui geni attivi in ​​una cellula, non può fornire informazioni sulle interazioni della cellula con altre cellule nel tessuto.

sc-ATAC-seq risolve questa limitazione utilizzando una tecnica chiamata test per il sequenziamento della cromatina accessibile alla trasposasi (ATAC-seq). ATAC-seq misura l'accessibilità del DNA alle trasposasi, che sono enzimi che possono inserire il DNA nel genoma. Le regioni di cromatina aperte sono solitamente associate a geni attivi, mentre le regioni di cromatina chiuse sono associate a geni inattivi. sc-ATAC-seq combina ATAC-seq con scRNA-seq per fornire informazioni sia sull'espressione genica che sull'accessibilità della cromatina nelle singole cellule.

"Abbiamo scoperto che sc-ATAC-seq può identificare popolazioni cellulari rare che spesso non vengono rilevate dal solo scRNA-seq", ha affermato il dottor Xinyu Zhao, primo autore dello studio e ricercatore post-dottorato presso l'UC di San Diego. "Ad esempio, siamo stati in grado di identificare una popolazione di cellule staminali tumorali responsabili della crescita e delle metastasi del tumore."

I ricercatori hanno sviluppato ulteriormente una serie di strumenti computazionali per analizzare i dati sc-ATAC-seq e prevedere l'organizzazione delle cellule nei microambienti tissutali. Questi strumenti consentono ai ricercatori di generare mappe spaziali delle cellule e identificare rare interazioni cellula-cellula che potrebbero essere importanti per lo sviluppo della malattia.

"Crediamo che sc-ATAC-seq sarà uno strumento prezioso per studiare una vasta gamma di malattie, tra cui il cancro, le malattie neurodegenerative e le malattie autoimmuni", ha affermato Ren. "Potrebbe anche essere utilizzato per sviluppare nuove terapie mirate a specifiche interazioni cellula-cellula all'interno dei microambienti della malattia."

Lo studio è stato pubblicato sulla rivista Nature Biotechnology.