L'endometriosi colpisce fino a una donna su 10 in tutto il mondo. Può causare forti dolori e problemi di fertilità, e può essere associata a un rischio maggiore di sviluppare altre patologie.
L’endometriosi colpisce fino a una donna su 10 in tutto il mondo. Può causare forti dolori e problemi di fertilità, e può essere associata a un rischio maggiore di sviluppare altre patologie. Immagine Crediti: C.S. AI/TheSolver.It

L’endometriosi è una condizione cronica, complessa e spesso debilitante che colpisce circa una donna su 10 in età riproduttiva nel mondo, provocando forti dolori, difficoltà di fertilità e un impatto profondo sulla vita quotidiana. Per lungo tempo, chi convive con questo disturbo ha dovuto affrontare diagnosi lente e terapie limitate, proprio perché non erano ancora chiari tutti i meccanismi biologici e genetici che lo fanno nascere e progredire.

Un grande studio internazionale pubblicato su Nature Genetics, coordinato nell’ambito della Global Biobank Meta-analysis Initiative e guidato da ricercatori tra cui Shefali Setia-Verma della Perelman School of Medicine dell’Università della Pennsylvania e John Gaitanis del NICHD presso il NIH, ha compiuto un passo decisivo. Analizzando i dati di oltre un milione di partecipanti provenienti da 14 biobanche globali, il team ha mappato 58 regioni genomiche legate all’endometriosi (di cui 27 mai segnalate prima), individuato 135 condizioni o caratteristiche condivise a livello genetico e collegato la malattia a 314 geni attraverso analisi multi-omiche.

Capire l’endometriosi senza bisogno di un camice

Immagina il rivestimento interno dell’utero, chiamato endometrio: ogni mese si prepara e poi si sfalda seguendo i segnali degli ormoni del ciclo mestruale. Nell’endometriosi, un tessuto con caratteristiche simili a quelle dell’endometrio cresce fuori dall’utero, per esempio sulle ovaie, sulle tube, sul peritoneo o in altre zone del corpo. Questo tessuto risponde comunque agli stimoli ormonali, generando infiammazione, dolore pelvico o addominale, aderenze e talvolta problemi riproduttivi.

Anche a 15 anni, quando si sente parlare per la prima volta di endometriosi, è importante sapere una cosa fondamentale: il dolore mestruale fortissimo che blocca la scuola, lo sport o le giornate normali non va mai liquidato come “normale”. Capire i fattori biologici della malattia aiuta a togliere lo stigma e a promuovere una maggiore attenzione medica fin dai primi sintomi.

Per capire come lavorano i genetisti, basta pensare al DNA come a un grande libro di istruzioni presente in quasi tutte le nostre cellule. Le varianti genetiche sono piccole “sfumature” di scrittura tra una persona e l’altra. Uno studio di associazione a livello genomico, noto come GWAS, confronta milioni di queste varianti in gruppi molto grandi di persone per vedere quali compaiono più spesso in chi ha una determinata condizione rispetto a chi non ce l’ha.

Perché includere popolazioni diverse cambia tutto

Per molti anni, la maggior parte degli studi genetici sull’endometriosi e su altre patologie si è concentrata quasi esclusivamente su persone di origine europea, includendo solo in misura minore popolazioni dell’Asia orientale e lasciando ancora più indietro altri gruppi ancestrali. Questo limite riduceva la capacità di individuare varianti importanti per tutti e rischiava di creare disuguaglianze nella ricerca e nella salute.

In questa nuova indagine, oltre il 30% dei partecipanti (per la precisione il 31,9% nella definizione ampia del fenotipo W, su 1.063.657 donne totali e 50.265 casi) appartiene a origini non europee, includendo gruppi di origine africana (AFR), mista americana (AMR), dell’Asia orientale (EAS) e dell’Asia centrale e meridionale (CSA+SAS).

Ecco cosa ha permesso questa apertura globale:

  • Ha aumentato la potenza statistica, cioè la capacità di individuare segnali genetici reali anche quando l’effetto di una singola variante è contenuto.

  • Ha permesso di restringere meglio le aree del genoma dove si nascondono le varianti più probabili (fine-mapping), sfruttando le differenze storiche nella struttura del DNA tra popolazioni diverse.

  • Ha portato alla luce segnali specifici in gruppi AFR e AMR, come regioni sui cromosomi 1q42.13, 2p13.3, 20q13.2 e 21q22.13, dimostrando che una genetica più inclusiva rende la scienza più precisa per tutti.

Oltre il dolore pelvico, i legami con il resto del corpo

Uno degli aspetti più rilevanti messi in luce dallo studio è che l’endometriosi non è soltanto un disturbo locale legato all’apparato riproduttivo, ma una condizione sistemica e multifattoriale. Confrontando i dati genetici dell’endometriosi con migliaia di altre informazioni sanitarie provenienti da grandi risorse come All of Us e UK Biobank, i ricercatori hanno trovato correlazioni genetiche significative con 135 tratti o condizioni.

Tra le associazioni genetiche emerse spiccano aspetti legati al dolore, al benessere neurologico e mentale e alla salute riproduttiva, come l’età alla prima nascita viva, l’insonnia o difficoltà a dormire, il mal di testa e la prescrizione di antidepressivi. Inoltre, attraverso analisi di randomizzazione mendeliana (MR), usate per capire se un tratto possa influenzarne un altro lungo una catena biologica, i ricercatori hanno osservato legami compatibili con un ruolo dell’endometriosi verso parametri cardiometabolici e microbici, tra cui il rischio di iperlipidemia, variazioni dell’apolipoproteina F e riduzioni di batteri intestinali della famiglia Bifidobacteriaceae, coinvolti anche nella regolazione degli estrogeni.

Questo non significa che ogni persona con endometriosi svilupperà automaticamente questi problemi, ma dimostra che ormoni, sistema immunitario, infiammazione, vasi sanguigni e microbiota intestinale possono dialogare tra loro in modi complessi.

Dalle cellule ai geni: cosa succede dentro i tessuti

Non basta sapere quali “caselle” del DNA sono associate a una malattia, serve capire in quali cellule e in quali momenti del ciclo quei geni vengono accesi o spenti. Integrando i dati genetici con l’atlante a singola cellula dell’endometrio umano, il team ha analizzato diversi contesti cellulari (combinazioni di tipo cellulare e fase ormonale o mestruale).

I segnali più forti sono emersi in diversi gruppi di cellule, tra cui cellule stromali endometriali (soprattutto nella fase proliferativa), cellule endoteliali venose (legate ai vasi sanguigni), cellule epiteliali, immunitarie e mesenchimali. Due geni molto noti in questo ambito mostrano quanto sia fine il gioco di equilibrio:

  1. GREB1, legato alla risposta agli estrogeni, è risultato più espresso in numerosi contesti cellulari, in particolare nella fase secretoria e in presenza di ormoni esogeni. Lo studio ha inoltre evidenziato differenze tra isoforme di splicing del gene, con forme troncate come GREB1c associate a maggior rischio in tessuti ovarici e uterini rispetto a varianti canoniche come GREB1a.

  2. ESR1, codificante per il recettore degli estrogeni 1, è apparso tra i geni più frequentemente alterati nell’espressione tra i contesti cellulari analizzati.

Questi risultati aiutano a spiegare perché le terapie ormonali, pur essendo spesso un pilastro nella gestione dei sintomi, non funzionino nello stesso modo in tutte le pazienti e perché serva studiare meglio il rapporto tra ormoni, cellule immunitarie e infiammazione.

Approfondimenti tecnici dal documento s41588-026-02810-9.pdf

Per chi desidera esaminare nel dettaglio l’architettura metodologica e i risultati quantitativi riportati nell’articolo su Nature Genetics, ecco una sintesi tecnica completa dei dati e delle procedure descritte nel testo.

Disegno della coorte, biobanche e definizione dei sei fenotipi

Lo studio ha riunito 14 dataset globali nell’ambito della Global Biobank Meta-analysis Initiative, includendo Penn Medicine Biobank (PMBB), All of Us (AOU), VA Million Veteran Program (MVP), BioVU, Colorado Center for Personalized Medicine Biobank, eMERGE Network, NorthShore, HUNT, Latvian National Biobank (LGDB), Mass General Brigham Biobank, Taiwan Biobank, UK Biobank (UKBB), Biobank Japan e le statistiche riassuntive pubbliche di FinnGen. Tutti i partecipanti inclusi erano femmine biologiche di età pari o superiore a 18 anni, con analisi stratificate per ascendenza geneticamente inferita (mediante analisi delle componenti principali e classificatori rispetto a popolazioni di riferimento come il 1000 Genomes Project, 1KG) e corrette per età, componenti principali genetiche e covariate tecniche/di batch.

Per ciascuna combinazione di fenotipo e ascendenza all’interno di una biobanca è stata richiesta una soglia minima di 50 casi. Le definizioni caso-controllo basate su cartelle cliniche elettroniche (EHR) e codici procedurali (CPT-4, OPCS, ICD-9, ICD-10, SNOMED) sono state articolate in sei fenotipi:

  1. W (wide): donne con storia di codici diagnostici per endometriosi, per esempio ICD-9 (617.*), ICD-10 (N80.*) o SNOMED. Comprende 1.063.657 donne (31,9% non-EUR) e 50.265 casi (prevalenza osservata 4,73%, $n_{\text{effective}} = 191.559$).

  2. Wex (wide excluding adenomyosis): esclude da casi e controlli i soggetti con codici per adenomiosi o endometriosi uterina, per esempio ICD-9 (617.0), ICD-10 (N80.0) o SNOMED corrispondenti. Comprende 615.050 partecipanti con 12.262 casi (prevalenza 1,99%, $n_{\text{effective}} = 48.070$).

  3. PCN.v1 (procedure-confirmed narrow vs all controls): combina diagnosi con storia di procedure (isterectomie, laparoscopie ed ecografie non ostetriche) confrontando i casi con tutti i controlli (526.241 totali, 6.110 casi, prevalenza 1,16%, $n_{\text{effective}} = 24.156$).

  4. PCN.v2 (procedure-confirmed narrow vs confirmed controls): confronta i casi confermati tramite procedura con controlli anch’essi sottoposti alle procedure pertinenti senza diagnosi di endometriosi (80.103 totali, 6.110 casi, prevalenza 7,63%, $n_{\text{effective}} = 22.576$).

  5. SCN.v1 (surgically confirmed narrow vs all controls): restringe la conferma ai codici chirurgici rispetto a tutti i controlli (413.717 totali, 3.499 casi, prevalenza 0,85%, $n_{\text{effective}} = 13.878$).

  6. SCN.v2 (surgically confirmed narrow vs confirmed controls): confronta i casi confermati chirurgicamente con controlli confermati proceduralmente senza diagnosi (18.350 totali, 3.499 casi, prevalenza 19,07%, $n_{\text{effective}} = 11.327$).

Nei test proporzionali a due code (Z-test, soglia $P < 1,32 \times 10^{-3}$ su 38 confronti), EUR ha mostrato una proporzione di casi superiore alle altre ascendenze per W e Wex, ma la prevalenza più bassa per PCN.v2 e SCN.v2 (significativamente inferiore rispetto a EAS per PCN.v2 e rispetto ad AFR per SCN.v2), suggerendo possibili bias diagnostici e di accesso alle procedure chirurgiche.

Meta-analisi GWAS, eterogeneità, ereditabilità e fine-mapping

Le analisi a livello di singola biobanca hanno impiegato modelli lineari misti come SAIGE e REGENIE (con controllo qualità su call rate, frequenza allelica minore MAF, equilibrio di Hardy-Weinberg e qualità di imputazione $\ge 0,6$ nel passo 2). Le statistiche riassuntive, armonizzate su hg38 e filtrate per MAF $\ge 0,005$, sono state aggregate tramite meta-analisi a effetti fissi ponderata per l’inverso della varianza in GWAMA.

  • Attraverso 11 meta-analisi principali (sei multi-ascendenza sui sei fenotipi più cinque single-ancestry per il fenotipo W: AFR, AMR, CSA+SAS, EAS, EUR), sono state identificate 3.342 varianti uniche significative a livello genomico ($P < 5 \times 10^{-8}$), pari a 5.332 associazioni.

  • Il clumping con PLINK 1.9 ($r^2 \ge 0,1$, finestra 1.000 kb, riferimento 1KG) e l’accorpamento dei clump sovrapposti hanno prodotto 249 clump di linkage disequilibrium (LD) e 108 loci distinti.

  • L’analisi condizionata con GCTA-COJO ha rilevato 143 segnali indipendenti, con otto loci contenenti segnali multipli, inclusi 25 segnali in EUR W e 11 in META W in prossimità di SYNE1.

  • Consolidando i loci condivisi tra le meta-analisi si sono ottenute 58 regioni genomiche (27 non segnalate in precedenza): 49 regioni annotabili nel fenotipo W (44 multi-ascendenza, 3 specifiche EUR, GRB14, ZNF536, CHD6, e 2 specifiche AFR, 2p13.3 e 20q13.2) e 14 regioni nelle altre definizioni fenotipiche (8 in Wex, 3 solo in PCN.v1, 1 in PCN.v1 e SCN.v1, 2 in PCN.v2).

  • Tra le regioni dei fenotipi ristretti, 1q42.13 (Wex, AFR) e 21q22.13 (PCN.v1/SCN.v1, AMR) sono state guidate unicamente da coorti non-EUR, con effetti marcati come rs186666195:T a 21q22.13 ($\text{OR}_{\text{SCN.v1}} = 5,23$, $\text{OR}_{\text{PCN.v1}} = 3,65$) e rs73061950:A a 19q13.42 ($\text{OR}_{\text{PCN.v1}} = 3,68$).

  • L’eterogeneità misurata tramite statistica $I^2$ è risultata bassa o moderata nella maggior parte dei segnali, con valori elevati o molto elevati in 2p13.3 ($I^2 = 60\%$) e SYNE1 ($I^2 = 79\%$).

  • Le stime di ereditabilità SNP sulla scala di responsabilità (LDSC, $h^2_{\text{lia}}$) per il fenotipo W sono state 0,133 (SE 0,054) in AFR, 0,106 (SE 0,021) in EAS e 0,108 (SE 0,008) in EUR, mentre in EUR Wex è risultata 0,097 (SE 0,022). La partizione dell’ereditabilità (partitioned LDSC con annotazioni EpiMap) ha mostrato un forte arricchimento per gli enhancer attivi nel tessuto uterino (EnhA2) in EAS ($\text{prop}_{h2} = 33\%$, arricchimento 26 volte, $P = 1,2 \times 10^{-3}$) e EUR ($\text{prop}_{h2} = 20\%$, arricchimento 15 volte, $P = 6,6 \times 10^{-4}$).

  • Il fine-mapping statistico multi-ascendenza con MESuSie su 63 loci (57 regioni) ha individuato 37 varianti uniche con probabilità di inclusione a posteriori (PIP) $> 0,5$ in 14 loci, e in 12 di questi 14 insiemi credibili il contributo delle popolazioni AFR, AMR e SAS è stato determinante.

Pleiotropia, singola cellula, multi-omica xWAS/xSMR e percorsi biologici

L’analisi di arricchimento genico basata su varianti con MAGMA (su circa 18.691–18.846 geni per meta-analisi) ha identificato 79 associazioni in 47 regioni geniche uniche, includendo 13 associazioni (11 geni unici) esterne alle regioni significative GWAS, come CCHCR1 e KCTD13 (rilevanti in META W e EUR W), GLB1L3 in Wex ($P = 3,40 \times 10^{-7}$) e LRRC2 in PCN.v1 ($P = 2,09 \times 10^{-7}$).

  • Correlazione genetica (GC) e randomizzazione mendeliana (MR): su 3.065 test GC (soglia di Bonferroni $P < 1,63 \times 10^{-5}$), 135 fenotipi hanno mostrato correlazione significativa con l’endometriosi, tra cui età alla prima nascita viva ($r_g = -0,24$), insonnia ($r_g = 0,19$), cefalea ($r_g = 0,30$) e prescrizione di antidepressivi ($r_g = 0,39$). Su 891 tratti candidati (1.760 test MR bidirezionali), 94 coppie esposizione-esito hanno mostrato evidenza di pleiotropia verticale.

  • Analisi a singola cellula (scDRS): su oltre 600.000 cellule/nuclei dell’Human Endometrial Cell Atlas (63 donatori, 240 combinazioni tipo cellulare-gruppo mestruale testate, soglia $P < 2,08 \times 10^{-4}$), 34 contesti cellulari sono risultati significativi (14 nel gruppo ormoni esogeni, 5 nella fase proliferativa, 15 nella fase secretoria, 0 nella fase mestruale), coprendo linee endoteliali (3), epiteliali (8), immunitarie (10) e mesenchimali (13). Il segnale più robusto è stato rilevato nelle cellule stromali endometriali nella fase proliferativa (coefficiente su scala odds 1,40, $P = 1,25 \times 10^{-231}$), mentre il coefficiente maggiore è comparso nelle cellule venose con ormoni esogeni (coefficiente su scala odds 2,34, $P = 1,13 \times 10^{-18}$). ESR1 è risultato differenzialmente espresso in 23 contesti, GREB1 sovraespresso in 20, e FSHR fortemente sovraespresso nei nuclei stromali tardivamente decidualizzati in presenza di ormoni (odds-scale $\beta = 11,0$, $P = 4,89 \times 10^{-7}$).

  • Analisi multi-omiche (xWAS con S-PrediXcan e xSMR con SMR): integrate su quattro tessuti (utero, ovaio, sangue intero, fibroblasti in coltura) e cinque strati molecolari (proteoma/pQTL, splice-oma/sQTL, trascrittoma/eQTL, metiloma/mQTL, RNA edit-oma/edQTL), con filtro HEIDI per rimuovere segnali eterogenei nell’SMR. xWAS ha implicato 57 fenotipi molecolari unici (2 proteine, 81 giunzioni di splicing, 36 trascritti), mentre xSMR ha individuato 267 geni unici (6 proteine, 79 giunzioni di splicing, 34 eQTL, 392 siti CpG e 3 siti di RNA editing A-to-I).

  • I 314 geni complessivi e i percorsi biologici: sommando i segnali di MAGMA, xWAS e xSMR, lo studio ha implicato 314 geni attraverso sei dimensioni omiche, con sette geni precedentemente non segnalati supportati da più strati multi-omici nella Tabella 2 (BSCL2, CHD6, TCF19, AP3M1, ADK, KCTD13, TCEA2). Tra i segnali molecolari specifici figurano la proteina TIM-4 in pSMR, tre eventi di splicing su VCL (legati all’isoforma metavincolina e al genotipo AA di rs7896966), la ridotta espressione di EEFSEC, 12 siti CpG associati a ESR1 (con segni opposti tra introne 1 e introne 2) e il sito di RNA editing chr3:156540497 nel gene SSR3. I test su Molecular Signatures Database hanno evidenziato vie BioCarta (tra cui segnalazione CREM, $P = 3,83 \times 10^{-17}$, MTA3, CDC42RAC e fosfolipasi C), processi Gene Ontology (regolazione dell’attivazione delle integrine, morfogenesi dei dotti della ghiandola mammaria, assemblaggio del lamellipodio) e REACTOME (recettori di legame dei ligandi ormonali).

Limiti dello studio e prospettive future

Nonostante l’ampiezza senza precedenti, gli autori sottolineano alcuni limiti importanti: l’ereditabilità spiegata dalle varianti comuni nei GWAS (9–13% a seconda dell’ascendenza e della definizione) resta inferiore alla stima di ereditabilità complessiva da studi sui gemelli (47%), indicando il probabile contributo di varianti rare, varianti strutturali, effetti non lineari e interazioni gene-ambiente. Inoltre, l’assenza di dati individuali centralizzati, l’uso del pannello di riferimento 1000 Genomes per alcune fasi, la prevalenza di dati multi-omici di riferimento di origine europea e la mancanza di validazione sperimentale diretta in laboratorio (wet-lab) richiedono ulteriori studi funzionali e coorti ancora più diversificate per trasformare queste scoperte in nuovi test diagnostici e terapie mirate.

Traduzione o Sintesi divulgativa 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’endometriosi è una patologia dolorosa ed eterogenea che colpisce fino a una donna su dieci. Le sue basi genetiche rimangono parzialmente sconosciute e i precisi meccanismi patogenetici non sono ancora stati chiariti. In questo studio, condotto a livello genomico sull’endometriosi nell’ambito della Global Biobank Meta-analysis Initiative, abbiamo coinvolto oltre un milione di partecipanti (il 32% dei quali di origine non europea). Abbiamo identificato 58 regioni genomiche (27 delle quali non precedentemente segnalate) in diversi gruppi etnici e abbiamo utilizzato nuovi algoritmi di identificazione dei casi con conferma procedurale. Tra queste, figurano loci specifici delle popolazioni africane e americane di origine mista. La ricerca di comorbilità di origine genetica ha rivelato decine di associazioni con fattori di rischio noti e precedentemente non caratterizzati. Successivamente, all’interno di contesti cellulari prioritari, abbiamo individuato numerosi esempi di espressione genica influenzata dalla presenza di endometriosi. Includendo ulteriori analisi multiomiche, abbiamo identificato un totale di 314 geni, suggerendo molteplici bersagli per interventi terapeutici. I nostri risultati abbracciano le scale molecolare, cellulare e fenotipica, evidenziando percorsi interconnessi che sottolineano la complessa eziologia dell’endometriosi.

Dettagli della Pubblicazione

Lindsay A. Guare et al., Multiancestry genome-wide association and integrative multiomics analyses implicate key pathways in endometriosis, Nature Genetics (2026). DOI: 10.1038/s41588-026-02810-9
Facebooktwitterredditpinterestlinkedinmailby feather