Analisi dei Pattern delle Espansioni di Ripetizioni di DNA nella sclerosi laterale amiotrofica attraverso tecniche di sequenziamento Long-reads e modelli di intelligenza Artificiale: lo studio PERLA

La sclerosi laterale amiotrofica (SLA) è una malattia neurodegenerativa caratterizzata dalla degenerazione dei motoneuroni superiori e inferiori, che porta a paralisi progressiva e, generalmente, all’exitus entro 2-5 anni dalla diagnosi. Il tratto neuropatologico distintivo è l'aggregazione e l'accumulo di inclusioni proteiche ubiquitinate nei motoneuroni. Nonostante la patologia sia prevalentemente motoria, una significativa percentuale di pazienti può presentare disturbi cognitivi di varia entità, fino a configurare un quadro conclamato di demenza frontotemporale (DFT) nel 5-10% dei casi. L’estrema eterogeneità fenotipica ed il complesso background genetico di questa patologia hanno contribuito al fallimento sistematico dei trial farmacologici per oltre 20 anni.

La SLA è classicamente considerata una patologia sporadica (90-95% dei casi), con una causa monogenica nel 5-10% dei casi. Tuttavia, studi di stima dell’ereditabilità suggeriscono che fattori genetici tuttora non noti possano essere responsabili di circa il 40-60% dei casi di SLA apparentemente sporadica. Ad oggi, l’espansione ripetuta dell'esanucleotide GGGGCC nel gene C9Orf72 è la causa genetica più comune di SLA, con una frequenza del 20-67% nei casi familiari e del 7% in quelli sporadici.

Escludendo il significativo contributo di questo gene, la maggior parte delle alterazioni genetiche implicate includono mutazioni missenso, inserzioni e delezioni. Tuttavia, è stato osservato che circa il 17% dei casi di SLA e di DFT presentano un allele con una espansione patologica o intermedia in geni causativi di altre patologie neurodegenerative, tra cui ATXN1 [atassia spinocerebellare tipo 1 (SCA1)], ATXN2 (SCA2), ATXN8 (SCA8), TBP (SCA17), HTT (malattia di Huntington), e altri.

Inoltre, uno studio recente ha individuato la presenza di espansioni nel gene LRP12, responsabile della miopatia oculofaringodistale di tipo 1, in una coorte di pazienti di origine asiatica con malattia del motoneurone, dato non confermato in una coorte di pazienti europei. In questo contesto, è plausibile che altre espansioni geniche possano essere responsabili di una parte dell'ereditabilità non ancora spiegata dai geni noti. Infatti, le tecniche standard per la diagnosi di disordini da espansioni, quali Southern Blotting o anche la RP-PCR, presentano diverse limitazioni, come l'elevato dispendio in termini di tempo e costi e la bassa accuratezza nella caratterizzazione dell’espansione.

Tali limitazioni tecniche hanno condizionato la possibilità di stabilire solide correlazioni genotipo-fenotipo. Ad esempio, diversi studi hanno tentato di definire la presenza di correlazioni tra l’età di esordio clinico e le dimensioni dell’espansione di C9Orf72 nel campione ematico, riportando risultati contrastanti. Le moderne tecnologie di sequenziamento, in particolare il sequenziamento con nanopori, permettono di ottenere frammenti lunghi di DNA e quindi di caratterizzare con elevata accuratezza il numero di espansioni, la loro variabilità, lo stato di metilazione e la presenza di pattern di interruzione. Nonostante l’innovatività di questo approccio, le applicazioni nell’ambito della SLA sono tuttora limitate. L'utilizzo di queste metodiche è fondamentale per comprendere meglio l'ereditabilità ancora non spiegata nella SLA e per una più precisa caratterizzazione del rapporto tra genotipo e fenotipo.

L’elevata complessità di questa patologia richiede l’acquisizione e lo studio di dati di diverso tipo: genomici (varianti puntiformi e strutturali), clinici, di neuroimaging, ecc. L'uso di tecniche di sequenziamento avanzate permetterà di comprendere più in dettaglio i meccanismi di ereditarietà della SLA. La validazione di tali tecniche costituirà il fondamento per l'avvio di uno studio multicentrico nell'ambito della Rete Istituti Nazionali Virtuali, in cui possano essere coinvolti tutti i pazienti SLA con C9Orf72 espanso seguiti sul territorio nazionale, consentendo una più ampia caratterizzazione genotipo-fenotipo, nell’ottica di personalizzare il percorso di cura.

Infine, l’utilizzo di metodi biostatistici e di modelli di machine learning permetterà di integrare dati multimodali, estraendo feature per ottenere un insieme di biomarcatori predittivi sull’evoluzione della patologia. Con questi approcci sarà possibile avere una più ampia comprensione della eterogeneità della malattia, ed una migliore caratterizzazione della correlazione genotipo-fenotipo.