Salta al contenuto principale

               Sviluppo di modelli brain-on-a-chip per lo studio funzionale di malattie neurologiche

Comprendere le malattie rare del neurosviluppo richiede modelli umani fedeli: il cervello, però, è inaccessibile e gli animali spesso non replicano la clinica. Oggi, grazie a tecnologie d’avanguardia, possiamo ricavare neuroni e microtessuti direttamente dalle cellule del paziente, conservandone lesatto patrimonio genetico;un passo decisivo verso la medicina di precisione.

Il nostro progetto punta a trasformare questa opportunità in una piattaforma brainonachip ad alto impatto. Uniremo (i) reti neuronali patientspecific in formati 2D e 3D ottenute con protocolli proprietari, (ii) microelectrodes array ad alta densità di nuova generazione (i.e. HD-MEA) capaci di registrare lattività elettrica di reti neuronali in tempo reale e (iii) algoritmi dedicati che estraggono e descrivono importanti parametri per caratterizzare la dinamica di queste reti, scoprirne fenotipi elettrofisiologici e poter identificare potenziali biomarcatori.

Il risultato sarà un sistema scalabile che consente di osservare, in vitro e con risoluzione senza precedenti, come le mutazioni rare alterano la connettività cerebrale e di testare farmaci mirati o terapie geniche in modo rapido e a costi contenuti. In altre parole, portiamo il “benchtobedside dentro un chip: un asset strategico per chi vuole accelerare lo sviluppo di cure personalizzate e aprire nuovi mercati nel settore delle malattie neurologiche orfane.

Obiettivo

•    Sviluppo di protocolli ottimizzati per la realizzazione di reti neuronali ingegnerizzate 2D e 3D derivate da paziente
•    Sviluppo di protocolli ottimizzati per la realizzazione di reti neuronali miste 2D e 3D derivate da paziente
•    Utilizzo di matrici di microelettrodi ad altà densità (HD-MEA) per la rilevazione del segnale elettrofisiologico di reti neuronali.
•    Sviluppo di protocolli di stimolazione elettrica/chimica per la valutazione delle dinamiche delle reti neuronali
•    Sviluppo di algoritmi per l’analisi dei dati elettrofisiologici
•    Sviluppo di algoritmi per correlare analisi di dati omici con quelli elettrofisiologici per l’identificazione di possibili biomarker.
•    Implementazione di una piattaforma brain-on-a-chip paziente specifico in grado di mimare diversi aspetti fisio/patologici

Vantaggi

•    Standardizzazione e riproducibilità dei modelli cellulari
•    Modello unico che permette integrazione di dati funzionali con dati omici
•    Possibilità di modellare diverse patologie
•    Flessibilità nella sperimentazione di molteplici approcci terapeutici

Image
zara

Settori di applicazione e utenti

•    Neuroscienze e ricerca sul neurosviluppo
•    Farmacologia e sviluppo di nuovi farmaci
•    Dispositivi medici e tecnologie di monitoraggio elettrofisiologico
•    Biotecnologie e diagnostica avanzata
•    Formazione e ricerca accademica

Tra i possibili utenti troviamo:

•    Centri di ricerca e istituzioni accademiche
•    Industrie farmaceutiche e biotecnologiche
•    Ospedali e centri clinici
•    Start-up e incubatori innovativi nel settore biomedicale
•    Investitori e venture capital in ambito health-tech

Valorizzazioni

•    Trasferimento tecnologico verso il settore clinico e industriale.
•    Collaborazioni pubblico-privato per sperimentazioni e commercializzazione.
•    Opportunità di brevettare metodologie e dispositivi innovativi.
•    Accesso a programmi di finanziamento per la ricerca e sviluppo di terapie personalizzate.
•    Creazione di spin-off e start-up innovative nel settore biomedicale.

scarica la scheda

Referenze

•    Di Lisa, D., Muzzi, L., Lagazzo, A., Andolfi, A., Martinoia, S., & Pastorino, L.  (2023). Long-term in vitro culture of 3D brain tissue model based on chitosan  thermogel. Biofabrication, 16(1), 015011.
•    Muzzi, L.; Di Lisa, D.; Falappa, M.; Pepe, S.; Maccione, A.; Pastorino, L.; Martinoia, S.; Frega, M. Human-Derived Cortical Neurospheroids Coupled to Passive, High-Density and 3D MEAs: A Valid Platform for Functional Tests. Bioengineering 2023, 10, 449.
•    Di Lisa, D., Muzzi, L., Pepe, S., Dellacasa, E., Frega, M., Fassio, A., ... &  Pastorino, L. (2022). On the way back from 3D to 2D: Chitosan promotes adhesion and development of neuronal networks onto culture supports. Carbohydrate Polymers, 297, 120049.
•    Muzzi, L., et al. "Rapid generation of functional engineered 3D human  neuronal assemblies: network dynamics evaluated by micro-electrodes arrays."  Journal of neural engineering 18.6 (2021): 066030.
•    Monteiro, S. P., Voogd, E., Muzzi, L., De Vecchis, G., Mossink, B., Levers, M., ... & Frega, M. (2021). Neuroprotective effect of hypoxic preconditioning and neuronal activation in a in vitro human model of the ischemic penumbra.  Journal of neural engineering, 18(3), 036016

Contatti

Responsabile scientifico 

Dott. Paolo Scudieri

Informazioni

Servizio per il trasferimento tecnologico e delle conoscenze
Settore valorizzazione della ricerca, trasferimento tecnologico e rapporti con le imprese
trasferimentotecnologico@unige.it
tel. 010 2095922


Ultimo aggiornamento 30/10/2025