Il nuovo consorzio europeo integra genomica funzionale, modelli biologici e intelligenza artificiale per anticipare le vulnerabilità delle cellule tumorali e individuare nuovi bersagli terapeutici
Comprendere in anticipo da quali geni e meccanismi dipenda la sopravvivenza di un tumore potrebbe trasformare profondamente l’oncologia di precisione. È questa l’ambizione di PRECISE, acronimo di Predictive Relationships Explaining Cancer Genetic Interactions and Synthetic Essentiality, il nuovo consorzio europeo nato per sviluppare modelli capaci di prevedere le vulnerabilità genetiche delle cellule tumorali, comprese quelle ancora non osservate sperimentalmente.
L’iniziativa riunisce oltre 30 gruppi sperimentali e computazionali appartenenti a più di 20 istituti di ricerca e università di nove Paesi europei. Tra i fondatori figura Human Technopole, che partecipa con competenze nella genomica funzionale, nella farmacogenomica, nell’evoluzione tumorale, nella biologia computazionale e nell’intelligenza artificiale.
La visione scientifica del progetto è stata illustrata il 10 luglio 2026 in un commento pubblicato su Nature Genetics. L’obiettivo è superare gli attuali atlanti descrittivi del cancro per costruire modelli predittivi, sostenuti da una comprensione dei meccanismi biologici che regolano le dipendenze genetiche e la letalità sintetica. Nature Genetics
Che cosa sono le vulnerabilità genetiche dei tumori
Le cellule tumorali accumulano mutazioni e alterazioni molecolari che consentono loro di proliferare, adattarsi all’ambiente circostante e resistere alle terapie. Questa trasformazione, tuttavia, può renderle particolarmente dipendenti da determinati geni, proteine o vie metaboliche.
Tali dipendenze rappresentano veri e propri punti deboli. Se un gene indispensabile alla sopravvivenza della cellula tumorale viene bloccato, il tumore potrebbe non essere più in grado di crescere. Le cellule sane, non condividendo necessariamente la stessa dipendenza, potrebbero invece risultare meno danneggiate dal trattamento.
Negli ultimi anni, gli screening genetici su larga scala, soprattutto quelli basati sulla tecnologia CRISPR-Cas9, hanno consentito di inattivare sistematicamente migliaia di geni nelle cellule tumorali. Da questi esperimenti sono nate le cosiddette cancer dependency maps, mappe che associano determinati tumori ai geni necessari alla loro sopravvivenza.
Questi strumenti hanno aperto nuove strade per la ricerca farmacologica, ma presentano ancora un limite importante: indicano dove si trova una vulnerabilità senza riuscire sempre a spiegare perché emerga, come possa modificarsi durante l’evoluzione della malattia e se sia presente anche in tumori non ancora sottoposti a screening.
Dalle mappe descrittive all’oncologia predittiva
PRECISE nasce per colmare questo divario. Il consorzio non vuole limitarsi a catalogare le dipendenze genetiche già osservate, ma punta a individuare regole biologiche generalizzabili attraverso le quali prevedere i punti deboli di un tumore prima ancora di verificarli in laboratorio.
Per raggiungere questo risultato saranno integrati dati provenienti da coorti di pazienti, modelli tumorali rilevanti per la malattia, esperimenti di perturbazione genetica e analisi multimodali. Genoma, trascrittoma, proteoma, caratteristiche cellulari e risposta ai farmaci potranno così essere analizzati all’interno di uno stesso sistema interpretativo.
L’intelligenza artificiale avrà il compito di riconoscere relazioni complesse tra le alterazioni molecolari e le dipendenze delle cellule tumorali. Non dovrà soltanto generare previsioni statistiche, ma aiutare i ricercatori a ricostruire i meccanismi biologici responsabili di quelle vulnerabilità.
Un processo circolare tra intelligenza artificiale e laboratorio
Uno degli aspetti più innovativi di PRECISE è il rapporto continuo tra analisi computazionale ed esperimenti biologici. I modelli di intelligenza artificiale indicheranno quali geni, interazioni o condizioni sperimentali sia più utile verificare. I ricercatori testeranno queste ipotesi in laboratorio e i risultati ottenuti torneranno ad alimentare gli algoritmi.
Si formerà così un ciclo progressivo di previsione, validazione e apprendimento. Ogni esperimento non servirà soltanto a confermare o smentire un’ipotesi, ma contribuirà a rendere il modello più preciso e capace di operare in contesti differenti.
L’obiettivo finale è anticipare le vulnerabilità presenti in tipi di tumore, sottogruppi molecolari o condizioni cliniche che non sono ancora stati studiati direttamente. Secondo Human Technopole, si tratta del primo tentativo europeo coordinato di sviluppare modelli predittivi delle vulnerabilità oncologiche su questa scala. Human Technopole
Il ruolo della letalità sintetica
Al centro del progetto si trova anche il principio della letalità sintetica. Il fenomeno si verifica quando l’alterazione di un singolo gene non è sufficiente a provocare la morte cellulare, mentre la perdita contemporanea della funzione di un secondo gene diventa letale.
In campo oncologico questo meccanismo può essere sfruttato terapeuticamente. Se una cellula tumorale possiede già una determinata mutazione, un farmaco può colpire il gene complementare dal quale quella cellula è diventata dipendente. Il trattamento agisce quindi su una fragilità specifica del tumore.
Uno degli esempi clinici più conosciuti è rappresentato dagli inibitori di PARP impiegati in alcuni tumori caratterizzati da alterazioni dei geni BRCA1 o BRCA2. PRECISE punta a estendere questa logica, cercando nuove interazioni genetiche potenzialmente sfruttabili in differenti neoplasie.
Human Technopole nel consorzio PRECISE
Human Technopole partecipa al progetto con quattro gruppi di ricerca guidati da Francesco Iorio, Andrea Sottoriva, Piero Carninci e Nereo Kalebic. Le competenze coinvolte spaziano dalla biologia computazionale all’apprendimento automatico, dalla genomica funzionale alla farmacogenomica, fino allo studio dell’evoluzione del cancro.
Francesco Iorio, senior research group leader di Human Technopole e primo autore del commento pubblicato su Nature Genetics, descrive PRECISE come il passaggio verso una nuova fase della ricerca oncologica: non più soltanto la descrizione dei punti deboli del tumore, ma la capacità di anticiparli.
La prospettiva è particolarmente importante per i pazienti il cui profilo genomico non offre oggi indicazioni utilizzabili per una terapia mirata. Nonostante i progressi dell’oncologia di precisione, infatti, per una parte rilevante dei malati le analisi molecolari non permettono ancora di identificare mutazioni trattabili con farmaci specifici.
Più possibilità per i tumori rari e poco studiati
La capacità di trasferire le conoscenze da un contesto tumorale all’altro potrebbe avere un valore particolare per i tumori rari e per i sottotipi molecolari scarsamente rappresentati nelle grandi raccolte di dati.
Queste neoplasie dispongono generalmente di un numero inferiore di campioni, modelli sperimentali e studi clinici. Modelli predittivi realmente generalizzabili potrebbero aiutare a formulare ipotesi terapeutiche anche quando le informazioni disponibili sono limitate.
Prima di arrivare ai pazienti, tuttavia, ogni previsione dovrà essere sottoposta a rigorose verifiche sperimentali e cliniche. PRECISE rappresenta una nuova infrastruttura scientifica e non l’annuncio di una terapia già disponibile. L’affidabilità degli algoritmi dipenderà inoltre dalla qualità, dalla diversità e dalla rappresentatività dei dati utilizzati.
Una rete europea fondata sulla scienza aperta
Il consorzio intende promuovere standard sperimentali condivisi, procedure analitiche interoperabili e l’applicazione dei principi FAIR, secondo i quali i dati scientifici devono essere rintracciabili, accessibili, compatibili e riutilizzabili.
La condivisione di dati, strumenti e metodi sarà essenziale per confrontare i risultati prodotti nei diversi laboratori e ridurre gli errori derivanti da protocolli non uniformi. La dimensione europea consente inoltre di riunire competenze, infrastrutture e risorse difficilmente disponibili all’interno di un singolo centro di ricerca.
La nascita di PRECISE segna quindi un possibile cambio di paradigma: trasformare l’enorme quantità di dati oncologici oggi disponibili in conoscenza biologica interpretabile e, successivamente, in opportunità terapeutiche. La sfida non consiste più soltanto nel trovare nuove informazioni, ma nel comprendere le regole che le collegano.
Se i modelli riusciranno a dimostrare affidabilità e capacità di generalizzazione, l’oncologia potrebbe diventare progressivamente meno reattiva e più predittiva, arrivando a riconoscere le mosse del tumore e le sue vulnerabilità prima che siano evidenziate dagli esperimenti tradizionali.
