Il tumore al seno non è un blob indistinto di cellule impazzite: è una rete genica. Migliaia di molecole RNA che si parlano, si regolano, decidono chi vive e chi muore. Per decenni i ricercatori hanno cercato di intercettare queste conversazioni molecolari tra le reti geniche, ma il rumore di fondo era troppo. Segnali falsi ovunque, pattern che sembravano importanti e si rivelavano casuali.
Poi dall’Università di Navarra è arrivato RNACOREX (RNA Coregulatory Network Explorer), un software open source che fa qualcosa che le intelligenze artificiali più sofisticate non sanno fare: ti spiega perché.
Testato su 13 tipi di cancro, l’algoritmo ha predetto la sopravvivenza dei pazienti con precisione pari ai modelli AI più avanzati. Con una differenza: mostra la mappa delle reti geniche che guidano il tumore. Praticamente è un atlante.
Il problema che nessuno aveva risolto
Dentro ogni cellula umana, microRNA e RNA messaggero comunicano attraverso reti geniche complesse. Quando queste reti si alterano, può svilupparsi un cancro. Ma identificare quali interazioni molecolari tra le migliaia possibili sono davvero rilevanti è come cercare segnali radio in mezzo a un temporale elettromagnetico. Troppi dati, troppo rumore, strumenti inadeguati.
“Comprendere l’architettura di queste reti geniche è cruciale per rilevare, studiare e classificare diversi tipi di tumore”, spiega Rubén Armañanzas, direttore del Laboratorio di Medicina Digitale presso l’Istituto DATAI (Data Science and Artificial Intelligence) dell’Università di Navarra. Il problema? La quantità enorme di dati disponibili, la presenza di innumerevoli segnali falsi, e la mancanza di strumenti accessibili e precisi capaci di distinguere quali interazioni molecolari siano davvero associate a ogni malattia.
RNACOREX integra database biologici internazionali con dati reali di espressione genica per classificare le interazioni miRNA-mRNA più significative.
Da questa base, il software costruisce reti geniche regolatorie progressivamente più complesse che funzionano anche come modelli probabilistici per studiare il comportamento della malattia.
Pubblicato su PLOS Computational Biology, il tool è stato sviluppato in collaborazione con il Cancer Center Clínica Universidad de Navarra.
Cosa vede l’algoritmo che i medici non vedono
I ricercatori, come vi dicevo, hanno testato RNACOREX su 13 tipi di cancro: seno, colon, polmone, stomaco, melanoma, tumori testa-collo. Hanno usato i dati del Cancer Genome Atlas (TCGA), il più grande database internazionale di informazioni genomiche tumorali. I risultati? Il software ha predetto la sopravvivenza dei pazienti con precisione comparabile ai modelli di intelligenza artificiale più avanzati. Ma con una differenza fondamentale.
“Il software ha mostrato accuratezza predittiva pari a sofisticati modelli AI, ma con qualcosa che a molti di questi sistemi manca: spiegazioni chiare e interpretabili delle interazioni molecolari dietro i risultati”, dice Aitor Oviedo-Madrid, primo autore dello studio e ricercatore al Laboratorio di Medicina Digitale di DATAI.
Un po’ come avere un GPS che non solo ti dice dove andare, ma ti mostra anche perché quella strada è la migliore. Le AI opache (i cosiddetti modelli “black box”) ti danno una previsione: “Questo paziente ha il 65% di probabilità di sopravvivere a 5 anni”. Fine. RNACOREX ti mostra quali reti geniche stanno guidando quella previsione, quali molecole interagiscono, dove si trovano i nodi critici della rete.
Oltre la predizione: verso nuovi bersagli terapeutici
RNACOREX non si limita a prevedere la sopravvivenza. Il software può identificare reti geniche regolatorie legate a esiti clinici specifici, rilevare pattern molecolari condivisi tra diversi tipi di tumore, evidenziare singole molecole con forte rilevanza biomedica. Queste informazioni aprono la strada a nuove ipotesi su come i tumori crescono e progrediscono, indicando potenziali marcatori diagnostici e soprattutto target terapeutici futuri.
“Il nostro strumento fornisce una ‘mappa’ molecolare affidabile che aiuta a dare priorità a nuovi bersagli biologici, accelerando la ricerca oncologica”, aggiunge Oviedo-Madrid. In pratica, invece di sparare nel buio cercando molecole da colpire con farmaci, i ricercatori possono vedere quali nodi delle reti geniche sono davvero centrali nella progressione tumorale.
Il dato più interessante?
RNACOREX ha identificato pattern molecolari condivisi tra tumori anatomicamente diversi. Significa che un melanoma e un tumore al colon potrebbero condividere le stesse alterazioni nelle reti geniche, aprendo la possibilità di terapie “pan-cancer” (efficaci su più tipi di tumore contemporaneamente).
Come dimostrato da recenti sviluppi nell’AI oncologica, la capacità di predire e spiegare è ciò che trasforma un algoritmo in uno strumento clinico.
Open source e gratis: la scelta contro le scatole nere
RNACOREX è disponibile gratuitamente su GitHub e PyPI (Python Package Index). Include strumenti automatizzati per scaricare i database necessari, semplificando l’integrazione nei flussi di lavoro di laboratori e centri di ricerca. Il progetto ha ricevuto finanziamenti parziali dal Governo di Navarra (programma ANDIA 2021) e dall’ERA PerMed JTC2022 PORTRAIT.
“Mentre l’intelligenza artificiale nella genomica accelera, RNACOREX si posiziona come soluzione interpretabile e di facile comprensione, un’alternativa ai modelli ‘black box’ che aiuta a portare i dati omici nella pratica biomedica”, sottolinea Armañanzas.
La scelta dell’open source non è casuale. È una dichiarazione di intenti: la medicina di precisione deve essere accessibile, verificabile, migliorabile da chiunque.
Il team di Navarra sta già lavorando per espandere le capacità del software. Le prossime aggiunte includeranno l’analisi delle pathway biologiche e nuovi livelli di dati sulle interazioni molecolari, con l’obiettivo di creare modelli che spieghino più completamente i meccanismi biologici alla base della crescita e progressione tumorale.
Scheda dello Studio
- Ente di ricerca: Università di Navarra (Spagna) – Istituto DATAI e Cancer Center Clínica Universidad de Navarra
- Ricercatori principali: Aitor Oviedo-Madrid, José González-Gomariz, Rubén Armañanzas
- Anno: 2025
- Rivista: PLOS Computational Biology
- DOI: 10.1371/journal.pcbi.1013660
- TRL: 4-5 – Validazione tecnologica in ambiente di laboratorio e ambiente rilevante, prossimo a test clinici
Un software che costa zero euro e può vedere dentro le reti geniche di 13 tipi di cancro. Che spiega cosa vede, invece di limitarsi a predire. Che è open source, quindi migliorabile da qualsiasi ricercatore al mondo. Succede. In Spagna stanno già espandendo le funzionalità. I laboratori di tutto il mondo possono scaricarlo oggi. Le reti geniche invisibili del cancro, alla fine, stanno diventando leggibili.
Un dettaglio che fa tutta la differenza del mondo.
