Per comprendere come ciò possa accadere, un team di ricercatori del Dipartimento di Biologia e biotecnologie Charles Darwin della Sapienza, insieme con l’Istituto italiano di tecnologia (IIT) e altri centri di ricerca internazionali, ha utilizzato un approccio di machine learning per analizzare l’intero profilo genomico di pazienti con malattia di Alzheimer e individuare le predisposizioni genetiche alla base dell’insorgenza della patologia. I risultati dello studio, condotto dalla giovane ricercatrice Magdalena Arnal nel laboratorio Sapienza di Gian Gaetano Tartaglia, sono stati pubblicati sulla rivista Alzheimer's & Dementia: Diagnosis, Assessment & Disease Monitoring.
In particolare, per costruire i profili genomici, è stato utilizzato un subset di dati costruito a partire da due dei più grandi database esistenti: UK Biobank e ADNI.
“Le combinazioni ottenibili sono innumerevoli, abbiamo quindi sviluppato un approccio informatico di tipo machine learning per semplificare l’analisi - spiega Magdalena Arnal. “Senza questa svolta computazionale la nostra analisi non sarebbe stata possibile”.
In questo modo i ricercatori hanno identificato sei varianti SVN in una zona del genoma, il cromosoma 19, che permettono di identificare un gran numero di individui come potenziali casi di Alzheimer.
“Quello che abbiamo scoperto è definito epistasi, una forma di interazione genica per cui una variazione genica può mascherare o contribuire all'espressione fenotipica di altri geni - aggiunge Gian Gaetano Tartaglia. “Questa è la chiave per comprendere l’organizzazione del genoma: a seconda di come gli SNV si combinano, un individuo può sviluppare la malattia di Alzheimer o meno”.
Il prossimo step per i ricercatori sarà quello di identificare nuovi patterns coinvolti in altre malattie.
