La ricerca, condotta grazie ai finanziamenti dell’Associazione Italiana per la Ricerca sul Cancro (AIRC) e del Ministero della Salute (progetto PNRR Missione 6 finanziato dall’Unione europea – NextGenerationEU), descrive un nuovo metodo statistico che può essere utilizzato in generale per individuare i segnali prodotti da piccole popolazioni di cellule all’interno di grandi insiemi di dati. L’algoritmo è stato testato su diversi dataset, e si è mostrato in grado di identificare le piccole popolazioni cellulari responsabili della risposta immunitaria nei confronti dei tessuti tumorali.
“Questo metodo riesce a superare l’effetto confondente della mole di segnali irrilevanti (il cosiddetto rumore statistico) riuscendo ad estrarre segnali deboli ma reali e significativi” spiega Alessandro Vici, ricercatore Under 40 del Dipartimento di Oncologia e Medicina Molecolare dell’Iss e primo autore dello studio.
“L’importanza di questo metodo – spiega Ann Zeuner, coautrice dello studio e responsabile scientifico dei progetti – consiste nella possibilità di ottenere informazioni preziose riguardanti piccole popolazioni cellulari, come le cellule staminali tumorali e le cellule tumorali dormienti. Queste ultime, che sono il target principale dei nostri studi, spesso rimangono nel corpo del paziente dopo le terapie oncologiche e possono dare luogo a recidive tumorali anche a distanza di decenni. Per questo è particolarmente importante capire a fondo la loro biologia e trovare delle strategie per eliminarle, o quanto meno mantenerle nello stato dormiente per tutta la vita del paziente.
“Il metodo di analisi da noi sviluppato, al di là dell’individuazione di piccole sottopopolazioni di cellule, ha anche una valenza generale nel riconoscimento di segnali deboli ma potenzialmente informativi in qualsiasi insieme di dati ad alta dimensionalità” sottolinea Alessandro Giuliani del Dipartimento Ambiente e Salute, anche lui coautore dello studio.