L’ictus ischemico avviene quando il sangue smette di arrivare a una parte del cervello. In poche ore le cellule restano senza ossigeno e zuccheri, entrano in crisi energetica e si attivano infiammazione e stress ossidativo. Uno dei danni più importanti riguarda la barriera emato-encefalica (BEE): una struttura che normalmente seleziona con precisione cosa può entrare nel cervello e cosa deve restare fuori. Se questa barriera si indebolisce, aumentano edema e infiammazione e il danno può estendersi.
Il problema, da anni, è che molti farmaci che sembrano promettenti nei test preclinici, inclusi quelli sugli animali, poi non funzionano bene nell’uomo. Purtroppo, nessuno degli oltre 1000 farmaci neuroprotettivi candidati testati con successo nei modelli animali di ictus ha dimostrato poi un beneficio negli esseri umani affetti da ictus. Una delle ragioni è che i modelli usati per studiare l’ictus non riproducono abbastanza fedelmente ciò che accade nella barriera emato-encefalica umana.
Un gruppo di ricercatori cinesi ha recentemente pubblicato sulla rivista scientifica internazionale Lab on a Chip uno studio che ha permesso di costruire in laboratorio una BEE “miniaturizzata” su un dispositivo microfluidico, cioè un organ-on-a-chip, e usare l’analisi dei dati con metodi di machine learning per capire rapidamente quali bersagli molecolari contano davvero e quali farmaci vale la pena provare.
Che cosa hanno costruito
I ricercatori hanno creato BEE-on-a-chip usando cellule umane derivate da iPSC (cellule staminali pluripotenti indotte). In pratica hanno ottenuto tre tipi cellulari fondamentali per la barriera emato-encefalica: cellule endoteliali simili a quelle dei capillari cerebrali, periciti e astrociti. Le hanno fatte crescere in un sistema a due compartimenti, con una membrana in mezzo, in modo da imitare l’organizzazione reale: la parte “vascolare” e la parte “cerebrale”.
A differenza dei modelli statici classici, qui il dispositivo permette condizioni più realistiche, perché introduce movimento del liquido e quindi forze di scorrimento, che nel corpo influenzano molto il comportamento dell’endotelio.
Come hanno simulato l’ictus
Per simulare lo stress ischemico hanno applicato una condizione standard nella ricerca sull’ictus: deprivazione di ossigeno e glucosio. In breve, hanno messo il chip in un ambiente poverissimo di ossigeno e hanno tolto glucosio e siero dal mezzo di coltura. È un modo controllato per riprodurre ciò che succede quando il sangue non arriva.
Il risultato è stato coerente con la patologia: le giunzioni tra cellule endoteliali si disorganizzano, i periciti si alterano, la barriera diventa più permeabile, aumentano segnali infiammatori e cresce il danno cellulare. Hanno misurato anche la “tenuta” della barriera con un indicatore elettrico (TEER), che cala quando la barriera perde integrità.
Perché entra in gioco l’intelligenza artificiale
Fin qui è un modello biologico avanzato. Il passo successivo è capire cosa accade “dentro” le cellule, cioè quali geni e vie molecolari vengono attivati o spenti durante l’ischemia. Per questo hanno fatto RNA-seq, una tecnica che fotografa l’attività di migliaia di geni insieme.
Il problema di questi dati è che sono moltissimi: si rischia di avere molte informazioni ma poche indicazioni pratiche. Qui gli autori hanno usato un approccio in due fasi. Prima hanno identificato gruppi di geni che si muovono insieme e sono legati allo stato ischemico (analisi di co-espressione). Poi hanno applicato metodi di machine learning per selezionare un piccolo numero di geni “centrali”, cioè quelli più informativi e più legati al fenomeno.
Da questa selezione emergono cinque geni candidati considerati “hub”, quindi utili come biomarcatori o bersagli da collegare alla ricerca di farmaci.
Dal bersaglio al farmaco (e ritorno al laboratorio)
A questo punto la domanda diventa: esiste qualche molecola in grado di contrastare quel profilo di danno? Per rispondere, hanno usato un database che mette in relazione firme di espressione genica e farmaci, così da ottenere una lista di candidati che, in teoria, potrebbero “invertire” lo stato patologico.
Tra i composti suggeriti, uno ha ricevuto particolare attenzione: la cumarina. Per rafforzare l’ipotesi, hanno usato calcoli di docking molecolare, cioè simulazioni che stimano quanto una molecola possa legarsi a determinate proteine.
Ma la parte più importante è che non si sono fermati al computer: hanno testato davvero questi composti nel chip, in condizioni di ischemia e riperfusione. In questo setting, la cumarina ha mostrato segnali di protezione della barriera: migliore recupero della TEER, riduzione di alcuni indicatori di danno e un parziale ripristino di proteine di giunzione.
Il messaggio principale
L’idea centrale non è soltanto “la cumarina funziona” (che comunque richiede ulteriori conferme). Il punto forte è il metodo: unire un modello umano più realistico della barriera emato-encefalica con un’analisi dei dati capace di trasformare una massa di geni in pochi bersagli concreti e in farmaci testabili subito.
In prospettiva, piattaforme così potrebbero rendere la fase iniziale di scoperta dei farmaci più rapida e, soprattutto, più vicina a ciò che accade nel cervello umano.
Articolo originale:
Liu J, Wang P, Lian P, Qin J. An ischemic stroke-on-a-chip model integrated with machine learning for screening of drug candidates. Lab Chip. 2025;25:6517–6532. doi:10.1039/D5LC00517E.
Ruscu M, Glavan D, Surugiu R, Doeppner TR, Hermann DM, Gresita A, Capitanescu B, Popa-Wagner A. Pharmacological and stem cell therapy of stroke in animal models: Do they accurately reflect the response of humans? Exp Neurol. 2024 Jun;376:114753. doi: 10.1016/j.expneurol.2024.114753. Epub 2024 Mar 14. PMID: 38490317.
