La biologia computazionale a servizio del linfoma canino: nuovi orizzonti?

Scopo del lavoro - Il linfoma è uno dei tumori più frequenti nel cane, rappresentando circa il 7-24% di tutte le neoplasie e oltre l’80% delle neoplasie ematologiche. Origina dal tessuto linfoide (linfonodi, milza, midollo) e può estendersi a tutti gli organi e tessuti dell’organismo ed in genere colpisce cani di mezza età o di età avanzata. Attualmente sono descritti almeno cinque diver- si tipi più frequenti di linfoma canino (LC): multicentrico, mediastinico, gastrointestinale, extra-nodale e del sistema nervoso centrale1. La sua eziologia non è nota ed è ritenuta essere una patologia multifattoriale. In particolare sono state riscontrate aber- razioni cromosomiche, il coinvolgimento di retrovirus e cause ambientali (erbicidi, solventi, inquinamento industriale). La pato- genesi rimane in gran parte ignota2. In questo contesto, abbiamo utilizzato innovative metodiche di biomedical text mining (o Biomedical Informatics Natural Lan- guage Processing, BioNLP) e di modellistica computazionale per identificare le proteine coinvolte nel LC, sia per chiarirne i meccanismi patogenetici che, potenzialmente, per proporre possibili targets terapeutici e/o markers diagnostici. In particolare: 1) mediante l’uso del BioNLP è stata ottenuta una lista di proteine coinvolte nell’eziopatogenesi del LC accedendo alle conoscenze contenute nel testo nascosto e non strutturato (hidden and unstructured text) presente negli articoli indiciz- zati su PubMed (http://www.ncbi.nlm.nih.gov/pubmed)3. In tal modo è stato possibile implementare le conoscenze ad oggi disponibili; 2) è stato costruito un modello computazionale basato sulla teoria delle reti biologiche (biological networks) con le molecole coinvolte (nodi della rete) e le loro interazioni (links tra i nodi)3; 3) l’analisi della topologia della rete ha consentito di identificare le molecole caratterizzate da un più elevato grado di control- lo sulla rete stessa, ovvero quelle che verosimilmente possono essere ottimi candidati come markers diagnostici e/o target terapeutici4,5. Materiali e metodi - Per il BioNLP è stato usato il software Agilent Literature Search 3.1.1 (LitSearch version 2.6.9). L’ac- cesso ai dati è stato realizzato tra il 2 ed il 4 febbraio 2015. Una volta ottenuta la lista di proteine coinvolte, è stata condotta un’analisi per definirne le interazioni mediante il software STRING (Search Tool for the Retrieval of Interacting Genes/Proteins, http://string-db.org/). La rete formata dalle proteine (nodi) e dalle loro interazioni (links) è stata realizzata e visualizzata mediante Cytoscape 3.2.1, la topologia è stata analizzata con plug-in Network Analyzer (http://med.bioinf. mpi-inf. mpg.de/netanalyzer/index.php)6,7. Risultati - La ricerca mediante BioNLP ha consentito di identificare una lista di 79 proteine coinvolte nell’eziopatogenesi del linfoma canino. L’analisi su STRING ha permesso di definire le loro interazioni per creare, con Cytoscape, una rete composta da 31 connected components, 554 nodi e 1614 links. L’analisi della rete (trattata come non diretta) ha permesso di classificarla come rete ad invarianza di scala (node degree distribution: y=370.18 x-1.629, r=0.663, R2=0.762) di tipo gerarchico (clustering coefficient =0.621, Averaged Clustering Coefficent vs. Number of Neighbors: y=1.932 x-0.629, r=0.915, R2=0.908). Proprio grazie a tale topologia è stato possibile identificare i nodi col maggior numero di links, gli hubs del sistema, che dimostrano anche un elevato grado di centralità nella rete (node degree vs. betweenness centrality r=0.676 e vs. closeness centrality r=0.677). Tali proteine sono elencate, in ordine decrescente di controllo, qui di seguito: c-jun: insieme a c-fos coinvolto nel controllo del ciclo cellulare e nella regolazione dell’apoptosi. p53: un fattore di trascrizione che regola il ciclo cellulare e ricopre la funzione di soppressore tumorale. Grb2: un adaptor protein coinvolto nella trasduzione del segnale e nella comunicazione fra cellule; in particolare lega il recet- tore per EGF. PIK3CB: fosfoinositide 3-chinasi, subunità catalitica beta, coinvolta in varie vie di trasduzione del segnale che regolano la cre- scita cellulare in risposta a vari stimoli mitotici. LYN: appartiene alla famiglia delle proteinchinasi Src ed espresso principalmente da cellule ematopoietiche, tessuto nervoso, fegato e tessuto adiposo; in particolare nelle cellule emopoietiche è uno degli enzimi chiave coinvolti nella regolazione dell’at- tivazione cellulare. PIK3R1: fosfatidilinositolo-3-chinasi, ha un importante ruolo nell’azione dell’insulina. AKT1: attivata dalla fosfatidilinositolo-3-chinasi, i ratti KO per il gene Akt1 sono resistenti ai tumori. PTPN6: coinvolta nella differenziazione cellulare, ciclo mitotico e trasformazione oncogena. c-fos: vedi c-jun. Conclusioni - Grazie all’uso di sofisticate metodiche computazionali è possibile individuare nuove proteine coinvolte nell’e- ziopatogenesi del LC, che potrebbero rappresentare futuri markers diagnostici e/o targets terapeutici.