Nello studio pubblicato il 6 novembre su Science Advances , i ricercatori hanno scoperto che una mutazione del melanoma in un gene chiamato BRAF mostrava una maggiore crescita e persistenza nei tumori dei pazienti più giovani, ma diminuiva con l'avanzare dell'età. Le mutazioni in un altro gene associato al cancro, NRAS, mostravano la tendenza opposta, diventando più frequenti con l'età.
Nello studio pubblicato il 6 novembre su Science Advances , i ricercatori hanno scoperto che una mutazione del melanoma in un gene chiamato BRAF mostrava una maggiore crescita e persistenza nei tumori dei pazienti più giovani, ma diminuiva con l’avanzare dell’età. Le mutazioni in un altro gene associato al cancro, NRAS, mostravano la tendenza opposta, diventando più frequenti con l’età. Immagine Crediti: AI/TheSolver.It

La lotta contro il cancro si basa oggi sulla medicina di precisione, una strategia avanzata che studia le mutazioni genetiche all’interno del tumore per colpirlo con farmaci mirati. Fino a poco tempo fa, si pensava che un’alterazione genetica avesse lo stesso identico significato clinico indipendentemente da chi colpisse. Tuttavia, un innovativo studio condotto dai ricercatori della Yale University e pubblicato sulla rivista scientifica Science Advances ha dimostrato una realtà sorprendente: l’età del paziente modifica radicalmente il comportamento e la pericolosità delle mutazioni tumorali.

Questa scoperta dimostra che il corpo umano non è un contenitore statico, ma un sistema evolutivo in costante mutamento. Con il passare degli anni, i tessuti sani subiscono alterazioni e perdono efficienza. Di conseguenza, lo stesso difetto genetico può rappresentare un vantaggio enorme per la sopravvivenza delle cellule malate in un organismo giovane, ma risultare molto meno influente in età avanzata, oppure viceversa.

Il paradosso delle mutazioni nei geni Braf e Nras

Analizzando circa 5.500 campioni di melanoma prelevati da pazienti di ogni fascia d’età, i ricercatori di Yale hanno esaminato due tra i geni più importanti nello sviluppo del cancro della pelle: il gene BRAF e il gene NRAS. I risultati hanno evidenziato una netta contrapposizione biologica:

  • La mutazione del gene BRAF (in particolare la variante nota come V600E) mostra una forza di selezione altissima nei pazienti più giovani, stimolandone la proliferazione e la crescita aggressiva. Questa probabilità di spinta tumorale diminuisce drasticamente con l’avanzare dell’età.

  • Al contrario, le mutazioni del gene NRAS (come la variante Q61L) seguono un andamento opposto: sono meno comuni nei giovani, ma diventano molto più frequenti e aggressive nei pazienti anziani.

Questo fenomeno accade perché l’ambiente biologico che circonda le cellule, composto da tessuti cutanei invecchiati, matrice extracellulare modificata e risposte immunitarie differenti, offre un terreno fertile diverso a seconda dell’età. Per un giovane, il gene BRAF rappresenta il motore principale della malattia, mentre in età avanzata il cancro trova maggiore vantaggio evolutivo sfruttando alterazioni differenti.

Oltre la semplice frequenza: la differenza tra comparsa e selezione

Un errore comune nella ricerca oncologica è considerare la frequenza di una mutazione come un sinonimo diretto della sua importanza biologica. Gli scienziati spiegano che una mutazione può essere molto diffusa semplicemente perché le singole cellule tendono a produrla più spesso, e non perché aiuti effettivamente il tumore a crescere più velocemente.

  • Tasso di mutazione neutro: misura la velocità con cui un’alterazione compare spontaneamente a causa di fattori esterni, come i raggi ultravioletti (UV) del sole, o interni, come i processi di invecchiamento cellulare.

  • Forza di selezione: indica quanto una specifica mutazione aiuti concretamente le cellule cancerose a moltiplicarsi e a sopravvivere all’interno del corpo.

Nel melanoma, i raggi UV rimangono la causa dominante dei danni al DNA in tutte le fasce d’età. Tuttavia, nei pazienti più anziani si nota una presenza leggermente superiore di processi legati all’invecchiamento naturale dell’organismo (chiamati firme mutazionali “orologio-simili”). Nonostante ciò, il vero fattore che cambia radicalmente tra giovani e anziani non è la quantità di mutazioni che si formano, ma la forza con cui il corpo seleziona e fa prosperare determinati driver tumorali rispetto ad altri.

Le conseguenze pratiche per le terapie mirate e gli studi clinici

Comprendere che l’efficacia dei trattamenti dipende dall’età biologica del tessuto apre nuove strade per la medicina di precisione. Oggi i medici utilizzano terapie mirate contro il gene BRAF per trattare i melanomi avanzati. Tuttavia, i nuovi dati suggeriscono che l’efficacia di questi farmaci potrebbe variare notevolmente a seconda dell’età del paziente, poiché nei soggetti anziani il tumore potrebbe non dipendere più esclusivamente da quella specifica via di segnale.

  • Sperimentazioni cliniche più inclusive: Molti studi clinici escludono storicamente i pazienti con patologie multiple o in età avanzata. Questo genera distorsioni nei dati, poiché i farmaci vengono testati prevalentemente su soggetti giovani ma poi somministrati nella pratica clinica a una percentuale altissima di pazienti anziani.

  • Progettazione di cure personalizzate: Integrare l’età non come semplice dato anagrafico, ma come indicatore complesso dello stato dei tessuti, permetterà agli oncologi di interpretare correttamente i biomarcatori e scegliere terapie realmente efficaci.

Approfondimenti tecnici e modelli matematici dallo studio originale

Per validare scientificamente queste osservazioni, i ricercatori dello Yale Cancer Center hanno sviluppato un rigoroso impianto metodologico basato su modelli computazionali avanzati e sull’analisi integrata di ampi database genomici. Di seguito vengono esaminati i dettagli tecnici descritti nella ricerca pubblicata su Science Advances.

Fonti dei dati e preelaborazione genomica

  • Integrazione dei database: Lo studio ha unito i dati di sequenziamento di massa provenienti dal TCGA Skin Cutaneous Melanoma (TCGA SKCM), che comprende $459$ campioni tumorali analizzati tramite sequenziamento dell’intero esoma (WES), e dal Progetto GENIE v13.1 dell’AACR, contenente $5013$ tumori sequenziati mediante pannelli mirati.

  • Normalizzazione delle coordinate: Tutti i dati originari in formato GRCh37/hg19 sono stati convertiti al riferimento GRCh38 (hg38) tramite strumenti di sollevamento genomico (LiftOver). Per i pannelli GENIE, sono state estratte le regioni bersaglio specifiche di ciascun saggio, aggiungendo un riempimento (padding) di $\pm20$ coppie di basi per gestire i margini di allineamento e gli effetti di bordo delle inserzioni e delezioni (indels).

  • Riclassificazione delle varianti: Poiché alcuni set di dati TCGA originari avevano erroneamente classificato le sostituzioni a due basi (DBS) come singole sostituzioni adiacenti (SBS), le coppie di mutazioni adiacenti nello stesso campione sono state riannotate correttamente come eventi DBS.

Quantificazione dei tassi di mutazione neutri e delle firme mutazionali

  • Modellazione con dNdScv: I tassi di mutazione di fondo a livello genico ($\mu$, sostituzioni neutre attese per sito) sono stati stimati tramite il pacchetto software cancereffectsizeR (v2.10.2) e l’algoritmo dNdScv, utilizzando covariate specifiche per il tessuto cutaneo e considerando le mutazioni sinonime come neutre.

  • Spettro trinucleotidico: Per ogni campione è stato incorporato lo spettro trinucleotidico specifico, ottenendo tassi di mutazione calibrati a livello di singolo sito. Per i dati di pannello, a ciascun gene sono stati assegnati i tassi di base derivati dall’esoma della coorte corrispondente.

  • Firme mutazionali: L’attribuzione delle firme di sostituzione a singola base (SBS) è stata eseguita tramite SigProfiler Assignment utilizzando le firme di riferimento COSMIC v3.4 in contesto SBS96. Le differenze nei pesi delle firme tra le classi di età sono state valutate mediante analisi della varianza a permutazione (permutation ANOVA) con $B = 5000$ permutazioni.

Modellazione matematica della forza di selezione

Per stimare l’intensità della selezione ($\gamma$), definita come il rapporto tra il flusso di fissazione della variante e il suo tasso di mutazione neutro, i ricercatori hanno impiegato un approccio basato sulla verosimiglianza di Poisson. La probabilità congiunta che una variante venga osservata in $M$ tumori su un totale di $Z$ campioni è data da:

$$\mathcal{L}(\gamma \mid \{\mu_i\}_{i=1}^{Z}) = \prod_{i=1}^{M}(1 – e^{-\mu_i \gamma}) \times \prod_{i=M+1}^{Z}e^{-\mu_i \gamma}$$

 

Per catturare la variazione continua della selezione in funzione dell’età del paziente al momento della resezione $a_i$, sono stati testati tre modelli parametrici nidificati, valutati tramite il Criterio di Informazione di Akaike (AIC):

  1. Modello lineare:

    $$\gamma_i = \beta_0 + \beta_1 a_i$$

    dove $\beta_0$ rappresenta l’intercetta e $\beta_1$ la pendenza del cambiamento della selezione per anno di età.

  2. Modello logistico:

    $$\gamma_i = \frac{e^L}{1 + e^{-k(a_i – m)}}$$

    in cui $e^L$ è l’asintoto superiore, $k$ controlla la velocità di crescita o decadimento e $m$ rappresenta l’età in cui la forza di selezione raggiunge metà del valore massimo.

  3. Modello sigmoidale generalizzato:

    $$\gamma_i = e^C + (e^L – e^C)\frac{a_i^s}{a_i^s + m^s}$$

    che permette di modellare asintoti inferiori ($e^C$) e superiori ($e^L$) con un esponente di forma $s$ che regola la ripidità della transizione attorno al punto medio $m$.

  • Campionamento MCMC: L’incertezza dei parametri è stata quantificata mediante campionamento di Metropolis-Hastings (almeno $10.000$ iterazioni) e l’applicazione del teorema di Wilks per definire regioni di confidenza al $95\%$ basate sul rapporto delle verosimiglianze.

  • Test di verosimiglianza per SBS e DBS: Per verificare se le varianti derivanti da sostituzioni a singola base e a doppia base seguissero dinamiche di selezione differenti, è stato impiegato un test del rapporto di verosimiglianza ($\Lambda$), che ha confermato l’assenza di differenze statisticamente significative ($P > 0.05$) tra le traiettorie evolutive delle varianti BRAF V600E originate per via SBS o DBS.

Traduzione dell’abstract ai sensi del Diritto di Citazione per fini di discussione e divulgazione scientifica (art. 70 L. 633/1941). La disponibilità dello studio completo, in accesso libero o riservato, è verificabile tramite il link del DOI nel box sottostante.

Abstract

L’invecchiamento è un importante fattore di rischio per il melanoma. Tuttavia, non è chiaro se l’invecchiamento alimenti l’evoluzione tumorale alterando i tassi di mutazione, modificando la selezione indotta dal microambiente sui fattori scatenanti, o entrambi. Abbiamo analizzato 5472 melanomi, stimando come la selezione sulle singole varianti cambi con l’età del paziente, tenendo conto dei diversi tassi di mutazione neutra. I tassi di mutazione neutra sono aumentati solo modestamente con l’età; il danno da raggi ultravioletti è rimasto predominante, ma i processi endogeni hanno contribuito in misura crescente ai tumori più anziani. Al contrario, la selezione sui principali fattori scatenanti è risultata fortemente dipendente dall’età: il vantaggio della mutazione BRAF V600E è diminuito drasticamente con l’età, mentre le mutazioni NRAS Q61 hanno acquisito un vantaggio. Le mutazioni del promotore TERT sono diventate più frequenti, ma meno vantaggiose. L’invecchiamento, quindi, rimodella l’evoluzione del melanoma principalmente alterando la selezione, il che motiva una valutazione dei biomarcatori clinici e delle terapie che tenga conto dell’età.

Dettagli della Pubblicazione

Yihan Liu et al., Age reshapes selection on melanoma driver mutations, Science Advances (2026). DOI: 10.1126/sciadv.aeh1407

Facebooktwitterredditpinterestlinkedinmailby feather