NetraMark Holdings Inc. ha annunciato la presentazione di nuovi dati che descrivono come la sua soluzione clinica proprietaria NetraAI abbia identificato nuovi biomarcatori e percorsi di interazione proteina-proteina (PPI) associati a forme specifiche di cancro al polmone non a piccole cellule (NSCLC) e di cancro al colon-retto (CRC), utilizzando piccoli set di dati e un algoritmo di autoapprendimento che evita la necessità di grandi set di dati di formazione. Queste intuizioni, o NetraPerspectives, hanno il potenziale di far progredire il panorama della medicina personalizzata attraverso strategie di arricchimento dei pazienti, consentendo al contempo nuove vie diagnostiche e terapeutiche, migliorando l'assistenza e i risultati dei pazienti in queste indicazioni complesse. Il Dr. Joseph Geraci, PhD, Fondatore e Chief Scientific Officer di NetraMark, ha presentato i dati ieri in due poster all'American Association of Cancer Research (AACR) Annual Meeting 2024, che si terrà dal 5 al 10 aprile a San Diego, California.

Entrambi i poster sono stati presentati nella sezione "Late-Breaking Research: Bioinformatics, Computational Biology, Systems Biology, and Convergent Science 2", che si è svolta ieri. Il poster intitolato "NetraAI-driven discovery of novel biomarkers in MSI-high colon cancer for precision immunotherapy" (Abstract #LB395) descrive l'uso di algoritmi Attractor AI per identificare cluster causali di variabili (ipotesi) che spiegano sottopopolazioni specifiche di pazienti con CRC ad alta instabilità dei microsatelliti (MSI-H). I tumori MSI-H sono caratterizzati da un ampio carico mutazionale, che favorisce la produzione di neoantigeni e amplifica la visibilità immunitaria, rendendoli candidati privilegiati per l'immunoterapia.

Tuttavia, questi stessi fattori contribuiscono all'eterogeneità che complica ulteriormente l'efficacia delle terapie mirate. NetraAI è stato applicato a un set di dati composto da decine di migliaia di variabili di espressione di RNA provenienti da 390 campioni di pazienti con CRC. Questi profili includevano 44 campioni MSI-H e 21 MSI-low (MSI-L) e il set di dati utilizzato consisteva in un totale di 22.283 variabili.

I risultati chiave dell'analisi includono: In una NetraPerspective, è stata identificata una sottopopolazione MSI-H, costituita da 29 campioni MSI-H e 2 MSI-L. Questa sottopopolazione è caratterizzata dall'espressione di CATSPERB (p=1,2 x 10-7), MLPH (p=4,9 x 10-5), FUT8 (p=8,6 x 10-5), DUSP4 (p=1,1 x 10-3) e PLLP (p=0,01). La costruzione di reti PPI basate sulle variabili identificate suggerisce una complessa interazione tra di esse, in particolare nel contesto della spermatogenesi.

La riparazione dei disallineamenti (MMR) è essenziale per garantire l'integrità genetica durante la produzione di sperma. I risultati dell'analisi NetraAI suggeriscono che i difetti nella MMR giocano un ruolo causale nell'instabilità genetica riscontrata nel CRC MSI-H. La specificità di CATSPERB per un sottogruppo di cancro al colon MSI-H lo pone come un potenziale biomarcatore per identificare i pazienti che potrebbero beneficiare di approcci terapeutici su misura, contribuendo al panorama della medicina personalizzata.

La proteina CATSPERB è associata principalmente ai canali del calcio negli spermatozoi, ma la sua sovraespressione in un sottogruppo di pazienti con CRC MSI-H suggerisce che la proteina può modulare la segnalazione del calcio nelle cellule tumorali, che è nota per il suo ruolo in una serie di processi cellulari che guidano la proliferazione delle cellule tumorali, la sopravvivenza e la metastasi. Il poster intitolato "Il potere di NetraAI: medicina di precisione in oncologia attraverso l'apprendimento sub-insight da piccoli set di dati" (Abstract #LB396) descrive l'uso degli algoritmi Attractor AI per identificare le variabili che definiscono specifiche sottopopolazioni di pazienti con NSCLC. Un piccolo set di dati composto da 104 campioni di espressione genica di adenocarcinoma (ADC) e carcinoma a cellule squamose (SSC) è stato compilato da due set di dati NSCLC.

I risultati chiave dell'analisi includono: Una NetraPerspective ha mostrato molteplici sottopopolazioni spiegabili di NSCLC, principalmente stratificate come sottopopolazioni ADC o SCC. È interessante notare che c'erano più sottopopolazioni di ciascun sottotipo, suggerendo che diverse combinazioni di variabili guidano specifici sottotipi ADC e SCC. L'esame di ciascuna sottopopolazione, utilizzando le esclusive capacità di zoom di NetraAI, ha identificato i pazienti specifici e le variabili caratterizzanti.

In una NetraPerspective, NetraAI ha distinto i sottotipi di ADC e SCC attraverso firme genetiche uniche, con 9 variabili su 10 che si correlavano con i marcatori NSCLC noti. Questo convalida i metodi e la tecnologia utilizzati da NetraAI. PIGX è emerso come un nuovo bersaglio grazie al suo ruolo finora inesplorato nella biologia del cancro.

Ulteriori indagini sulle reti PPI hanno rivelato una connessione significativa tra PIGX e BACE1, una proteina implicata nelle metastasi cerebrali del NSCLC. Questo apre nuove strade per la comprensione dei meccanismi molecolari alla base della progressione del cancro e delle metastasi. PIGX è anche correlato a PIGN, che è associato all'instabilità genomica e regola le proteine del checkpoint di assemblaggio del fuso nella trasformazione e nella progressione della leucemia.