Come può la spettroscopia infrarossa svelare i segreti della FTLD?

La degenerazione lobare frontotemporale (FTLD) è una delle cause più comuni di perdita cognitiva nei giovani adulti. Una delle forme più frequenti è caratterizzata dalla presenza della proteina TDP‑43, nota come FTLD[TDP]. Gli scienziati hanno cercato metodi rapidi per distinguere questa variante da altre malattie neurodegenerative, come l’Alzheimer (AD).\n\nUn team di ricercatori ha provato la spettroscopia infrarossa a trasformata di Fourier (FTIR) su sezioni cerebrali conservate in formalina. Hanno analizzato tessuti della zona temporale superiore e mediale provenienti da quattro soggetti: un controllo sano, un caso di AD, un caso di FTLD[TDP] e un caso combinato FTLD[TDP]+AD. Ogni sezione è stata prima colorata per evidenziare TDP‑43, tau e beta‑amiloide, poi sottoposta a scansione FTIR.\n\nI risultati mostrano che, rispetto al controllo, sia FTLD che AD presentano un aumento dei rapporti amide I/II, α‑elica/strutture disordinate, α‑elica/proteine fosforilate e olefine/lipidi, sia nella materia grigia che in quella bianca. Tuttavia, il rapporto α‑elica/strutture disordinate differisce significativamente tra FTLD e AD, e i rapporti α‑elica/strutture disordinate e α‑elica/proteine fosforilate distinguono FTLD[TDP] da FTLD[TDP]+AD. Inoltre, i valori FTIR correlano positivamente con l’intensità immunoistochimica di TDP‑43 e tau.\n\nQuesti dati suggeriscono che la FTIR può rilevare cambiamenti specifici nella composizione proteica e lipidica del cervello affetto da FTLD, offrendo uno strumento veloce e poco costoso per mappare e quantificare le alterazioni biomolecolari. In futuro, la tecnica potrebbe aiutare i medici a diagnosticare più rapidamente le diverse forme di FTLD, migliorando la gestione clinica dei pazienti.

La spettroscopia infrarossa a trasformata di Fourier (FTIR) sfrutta l’assorbimento di radiazione infrarossa da parte dei legami chimici presenti nei campioni biologici. In un tessuto cerebrale, le vibrazioni dei gruppi funzionali – ad esempio le catene peptidiche (amide I e II), i gruppi lipidici (CH2, CH3) e le strutture secondarie proteiche (α‑elica, β‑foglietto) – generano picchi caratteristici nello spettro. Analizzando le aree grigie e bianche, i ricercatori hanno quantificato i rapporti di area dei picchi, che riflettono la composizione molecolare.\n\nUn aumento del rapporto amide I/II indica una maggiore presenza di legami peptidici con struttura più ordinata, tipica di aggregati proteici patologici. L’incremento del rapporto α‑elica/disordinata suggerisce una ristrutturazione delle proteine verso conformazioni più regolari, spesso associate a processi di fosforilazione e aggregazione. La fosforilazione, rilevata tramite il rapporto α‑elica/fosforilata, è un marcatore chiave nella patogenesi di TDP‑43, poiché la modificazione post‑traslazionale favorisce la formazione di inclusioni citoplasmatiche.\n\nDal punto di vista lipidico, l’aumento del rapporto olefinico/lipidico riflette una maggiore presenza di acidi grassi insaturi, che può derivare da alterazioni nella membrana neuronale o da processi di degradazione lipidica. Il rapporto carboxilico/lipidico, anch’esso elevato, indica una maggiore presenza di gruppi carbossilici, potenzialmente legati a stress ossidativo e a modifiche delle membrane.\n\nLe correlazioni positive tra i parametri FTIR e l’immunoreattività di TDP‑43 e tau confermano che le variazioni spettroscopiche sono direttamente collegate alle patologie proteiche. Questo approccio consente di mappare, a livello microscopico, la distribuzione spaziale delle alterazioni biochimiche senza ricorrere a marcatori fluorescenti o a tecniche di imaging più costose. Inoltre, la FTIR è non distruttiva, richiede poco tempo di preparazione e può essere applicata a campioni FFPE, rendendola ideale per studi retrospettivi su archivi patologici.\n\nIn prospettiva, l’integrazione della FTIR con algoritmi di machine learning potrebbe migliorare ulteriormente la capacità diagnostica, permettendo di classificare automaticamente i campioni in base a pattern spettroscopici specifici. Questo aprirebbe la strada a una diagnosi precoce e a una migliore stratificazione dei pazienti per studi clinici o terapie mirate.