Le cellule cancerose coltivate in laboratorio sono diverse da quelle umane

Anche se ciò non significa che la ricerca di laboratorio che utilizza cellule coltivate non possa essere utile e informativa, è importante che gli scienziati sappiano quali sono queste differenze mentre cercano modi per impedire ai tumori di diffondersi e causare danni

0
1447
Indice

Nella spinta a sviluppare migliori trattamenti contro il cancro e a lavorare verso una potenziale cura per questa malattia insidiosa, lo studio delle cellule tumorali coltivate in colture cellulari è stato finora considerato fondamentale, ma una nuova ricerca ha evidenziato alcune differenze genetiche chiave tra queste cellule e le cellule tumorali che crescono in il corpo umano.

Anche se ciò non significa che la ricerca di laboratorio che utilizza cellule coltivate non possa essere utile e informativa, è importante che gli scienziati sappiano quali sono queste differenze mentre cercano modi per impedire ai tumori di diffondersi e causare danni.

I ricercatori hanno sviluppato un modello di apprendimento automatico chiamato CancerCellNet (CCN) per confrontare le cellule tumorali del corpo con le cellule tumorali di altre quattro fonti: 26 modelli di topi progettati per sviluppare il cancro; 415 topi con cellule tumorali umane trapiantate (xenotrapianti); 131 palline di tessuto 3D cresciute in laboratorio per imitare i tumori (tumori); e 657 linee cellulari tumorali tradizionali (cellule tumorali coltivate in piastre di coltura).

Confrontando le sequenze di RNA di queste cellule – le istruzioni biologiche che determinano come si sviluppano le proteine ​​– con un database del genoma del cancro, il team è stato in grado di capire quanto fossero simili ai tumori in vivo a livello genetico.

Potrebbe non essere una sorpresa per gli scienziati che le linee cellulari del cancro siano geneticamente inferiori ad altri modelli, ma siamo rimasti sorpresi dal fatto che topi e tumoreidi geneticamente modificati si sono comportati così bene in confronto“, afferma il biologo molecolare e genetista Patrick Cahan  della Johns Hopkins University.



In media, i topi e i tumoreidi geneticamente modificati avevano sequenze di RNA simili al cancro umano reale in circa l’80% dei tipi di tumore testati, inclusi i tumori al seno, ai polmoni e alle ovaie.

Le linee cellulari cancerose non sono andate così bene, con più discrepanze registrate nei tumori umani. In un esempio citato nello studio, una linea cellulare nota come PC3 per il cancro alla prostata assomiglia in realtà più da vicino al cancro della vescica. Sembra che le linee cellulari inizino a cambiare una volta che escono dal loro ambiente naturale.

L’RNA è un surrogato abbastanza buono per il tipo di cellula e l’identità cellulare, che sono fondamentali per determinare se le cellule sviluppate in laboratorio assomigliano alle loro controparti umane“, afferma Cahan .

I dati sull’espressione dell’RNA sono molto standardizzati e disponibili per i ricercatori e meno soggetti a variazioni tecniche che possono confondere i risultati di uno studio“.

I vantaggi di CancerCellNet sono che è versatile e veloce: è sicuramente più veloce e meno costoso del trapianto di tumori nei topi per vedere come si sviluppano, che è uno dei metodi che gli scienziati attualmente usano per confrontare i diversi modelli.

Ci sono limitazioni allo studio da tenere a mente. Per quanto l’RNA sia un modo per confrontare le cellule, non racconta tutta la storia e i ricercatori vogliono aggiungere più dati al loro database di addestramento CCN per renderlo più accurato.

Inoltre, non vale nulla il fatto che lo studio abbia esaminato relativamente pochi modelli di topi e tumoreidi ingegnerizzati, il che potrebbe aver distorto in qualche modo i risultati.

Sebbene questo sia solo l’inizio per CCN, mostra molte promesse nell’essere in grado di aiutare i ricercatori a capire quanto siano realistici i loro modelli di cancro e quanto saranno affidabili gli studi basati su di essi quando si tratterà di trasformarli in trattamenti reali. Inoltre, può essere facilmente adattato anche a futuri modelli di cancro.

Poiché CCN è open-source e facile da usare, può essere facilmente applicato a modelli di cancro di nuova generazione come mezzo per valutarne la fedeltà”, spiegano i ricercatori nel loro articolo .

La ricerca è stata pubblicata su Genome Medicine.

2