Ogni tumore porta con sé una sorta di impronta digitale: un insieme di mutazioni che racconta, indirettamente, i processi biologici che le hanno generate – dagli errori di replicazione del DNA ai difetti dei meccanismi di riparazione, fino a specifiche esposizioni o trattamenti. 

Partendo da questa idea di “firma” (mutational signature), un gruppo di ricerca dell’Università di Trieste, composta da studentesse e studenti del corso di dottorato in Applied Data Science and Artificial Intelligence coordinati dal prof. Giulio Caravagna, ha sviluppato BASCULE, un framework statistico che usa la statistica bayesiana per integrare conoscenze già disponibili e aggiornare l’analisi alla luce di nuovi dati: l’obiettivo è rendere più robusta l’identificazione delle firme mutazionali, favorire la scoperta di segnali non ancora catalogati e raggruppare i campioni in sottotipi molecolari interpretabili. Lo studio, pubblicato su Genome Biology, vede come primi autori Elena Buscaroli e Azad Sadr. 

Nel DNA delle cellule tumorali le mutazioni non compaiono in modo casuale: tendono a concentrarsi in combinazioni ricorrenti. Questi pattern – le firme mutazionali – possono essere letti come l’effetto cumulativo di specifici processi mutageni. In altre parole, osservando che tipo di mutazioni prevalgono e come si distribuiscono, è possibile risalire a ipotesi plausibili su ciò che ha guidato l’evoluzione del tumore.

Negli ultimi anni, grazie a grandi dataset genomici, sono stati proposti diversi cataloghi di firme. Tuttavia, cataloghi costruiti con metodi differenti possono non essere pienamente sovrapponibili, e l’analisi rischia di diventare difficile da confrontare o da standardizzare.

BASCULE nasce per affrontare proprio questo punto: sfruttare i cataloghi esistenti come base informativa, senza rinunciare alla possibilità di individuare firme nuove quando i dati lo suggeriscono.

Il metodo adotta un’impostazione bayesiana: in pratica, invece di trattare l’analisi come una “pagina bianca”, introduce una conoscenza iniziale (i priors, cioè informazioni pregresse plausibili) e la aggiorna con l’evidenza osservata nei dati. Questo approccio è particolarmente utile quando si lavora con segnali complessi: permette di ancorare l’interpretazione a ciò che è già noto, ma anche di quantificare in modo più chiaro l’incertezza e di riconoscere quando emerge qualcosa di davvero distinto dalle firme già catalogate. 

Una volta stimato, per ciascun campione, quanto ciascuna firma mutazionale sia “presente” (in pratica, quanto pesa nel profilo di mutazioni osservato), BASCULE permette anche di mettere insieme i campioni che si assomigliano, formando gruppi con caratteristiche condivise. L’idea è trasformare un’informazione tecnica in una lettura più immediata, che aiuti a riconoscere sottotipi di tumore e, quando i dati lo consentono, a collegarli a differenze cliniche.

Nel lavoro, che nasce come output di un progetto finanziato da AIRC, gli autori mostrano che questo approccio riesce a ritrovare sottotipi già noti in diversi tumori e, in alcune coorti per cui sono disponibili informazioni cliniche, a individuare gruppi associati a esiti diversi. In questa prospettiva, le firme mutazionali non sono solo una “descrizione” delle mutazioni, ma diventano uno strumento per interpretare meglio la storia biologica del tumore e distinguere profili di pazienti.

“BASCULE – spiega Giulio Caravagna, docente di Informatica al Dipartimento di Matematica, Informatica e Geoscienze - è uno strumento che ci permette di analizzare contemporaneamente un grande numero di pazienti, identificando nuovi gruppi di tumori che hanno firme mutazionali simili fra loro. Questo tipo di approccio è alla base della cosiddetta “stratificazione” dei pazienti oncologi, uno dei passi più importanti per la medicina di precisione moderna. Lavorando a livello di segnature mutazionali riusciamo quindi a catalogare i nostri pazienti e determinare quei sottogruppi in cui il danno al DNA segue regole precise”.

Lo studio è frutto di un lavoro a cui hanno contribuito anche Human Technopole (Computational Biology Research Centre, Milano), Area Science Park (Research and Technology Institute, Trieste) e l’Università di Milano-Bicocca.