Un modello vascolare in vitro che lavora in condizioni dinamiche, piattaforme fluidiche modulari e un sistema di controllo remoto pensato per seguire gli esperimenti anche a distanza: il progetto toscano Emile prova a intervenire in uno dei punti più critici della ricerca preclinica, quello in cui molte molecole falliscono tardi, quando tempo e investimenti sono già stati assorbiti.
Una piattaforma pensata per ridurre errori e costi nella fase preclinica
Il nodo è noto a chi si occupa di sviluppo farmaceutico, biomedico o cosmetico: una parte rilevante delle molecole candidate viene scartata soltanto nelle fasi avanzate della sperimentazione, quando i costi sono ormai alti e i margini di correzione ridotti. Emile, progetto cofinanziato dal Pr Fesr Toscana 2021-2027 e coordinato da IVTech, nasce proprio per rendere i modelli in vitro più predittivi, cioè più vicini al comportamento fisiologico umano reale. L’obiettivo non è soltanto scientifico, ma anche operativo: selezionare prima le molecole meno promettenti, migliorare la qualità dei test e contribuire alla diffusione dei Non Animal Methods, riducendo dove possibile il ricorso alla sperimentazione animale. Il progetto si è concentrato sull’aterosclerosi, una patologia alla base di infarto, ictus e di una larga parte delle malattie cardiovascolari, costruendo un sistema capace di osservare come cellule vascolari coltivate in bioreattore reagiscono a stimoli controllati e a composti potenzialmente attivi.
Come funziona il sistema sviluppato in Toscana
Il risultato raggiunto mette insieme elementi che nei laboratori spesso restano separati: gestione dei fluidi, camere di coltura, monitoraggio dei parametri e supervisione dell’esperimento. IVTech, spin-off dell’Università di Pisa, ha sviluppato le piattaforme fluidiche della serie Arcadia, progettate per lavorare con fino a 8 o 12 circuiti in parallelo e con una struttura modulare che facilita il passaggio tra incubatore e cappa a flusso laminare. BeeApp ha realizzato l’infrastruttura software e l’app per il controllo remoto, con monitoraggio delle condizioni ambientali e operative, gestione sicura degli accessi, sistemi di allerta e possibilità di modificare la programmazione degli esperimenti a distanza. Il Cnr, attraverso l’Istituto di fisiologia clinica, ha messo a punto e validato il modello biologico usando cellule muscolari lisce di arteria coronarica umana, analizzando vitalità cellulare, migrazione, stress ossidativo, risposta infiammatoria e marker fenotipici in condizioni statiche e dinamiche. Giotto Biotech ha contribuito con la preparazione e caratterizzazione di metalloproteinasi, inibitori e campioni per la sperimentazione, oltre alle analisi metabolomiche. Intorno al progetto si è mosso anche il supporto strategico di Stargate Consulting, che ha lavorato sulla lettura del potenziale competitivo e delle prospettive di valorizzazione industriale.
Perché può interessare laboratori, imprese e ricerca applicata
Il valore pratico di Emile sta soprattutto nella possibilità di aumentare la riproducibilità degli esperimenti e di proteggere meglio prove spesso lunghe e delicate. Il controllo remoto riduce la necessità di aprire continuamente l’incubatore, aiutando a mantenere stabili temperatura, umidità e CO2, con un effetto diretto sulla qualità dei campioni. La gestione di più circuiti in parallelo può inoltre ampliare la capacità sperimentale, aspetto rilevante per laboratori universitari, ospedalieri, Contract Research Organization e aziende farmaceutiche o cosmetiche. In termini concreti, questo significa poter individuare prima una molecola non idonea, limitare gli sprechi, ridurre interventi manuali non necessari e abbassare anche l’esposizione degli operatori. I risultati tecnici sono stati presentati il 10 luglio nella sede di IVTech a Ospedaletto, nel Pisano, durante la verifica conclusiva del progetto. Il passo successivo sarà capire quanto rapidamente questa piattaforma potrà essere industrializzata e adattata ad altri modelli fisiopatologici. Sullo sfondo c’è già un’evoluzione ulteriore, con l’integrazione di strumenti di intelligenza artificiale per rendere il sistema ancora più autonomo nell’analisi dei dati e nella gestione degli esperimenti, un passaggio che potrebbe cambiare in modo sensibile il lavoro quotidiano di chi fa ricerca applicata.
