fbpx Orrendi, giganteschi mostri | Science in the net

Orrendi, giganteschi mostri

Primary tabs

Tempo di lettura: 4 mins

A credere alla gran parte degli organi d’informazione che in questi giorni hanno rilanciato la ricerca di Seralini e coautori (tra cui la microscopista elettronicaitaliana Manuela Malatesta) la ricerca pubblicata su Food and Chemical Toxicology è la pistola fumante che prova la colpevolezza degli OGM.

Dico degli OGM perchè, appunto, se ne fa di tutte le erbe un fascio per accusare una intera tecnologia sulla base di un articolo, molto discutibile, che analizza solo un particolare tipo di mais ingegnerizzato del tipo NK603 resistente all’ebicidaglifosate. Tre diversi dosaggi di questo mais da solo o insieme a tre concentrazioni dell’erbicida vengono somministrati a ratti Sprague-Dawley per 2 anni per analizzare l’incidenza nell’insorgenza di tumori. Insomma uno studio che se condotto sull’uomo avrebbe previsto la somministrazione di alti dosaggi di mais per 40 anni, roba da impazzire. Ma daltronde gli OGM sono sopratutto un fenomeno di psicosi collettiva, rappresentati come sono come dei veri mostri che ci distruggeranno.

Prima di entrare in alcune preliminari considerazioni tecniche va fatta una notazione di “costume”. Per la prima volta assisto alla pubblicazione di un articolo scientifico in contemporanea con l’uscita di un libro in libreria e di un DVD, tutti tra loro correlati. Sembra di assistere al battage pubblicitario che precede l’uscita di un film: spero solo che non faccia scuola.

La lista di critiche ed imprecisioni sarebbe steriminata, ma vorrei solo elencare le prime che mi saltano all’occhio.

  1. Gli sperimentarori decidono di usare una linea di ratti nota per l’elevata incidenza di tumori. “Spontaneous endocrine tumorswerefound in 81 of 100 Sprague-Dawleyrats (42 males and 39 females) which survived for more than 2 years.” - da Suzuki, Mohr e Kimmerle J.Cancer Res. Clin. Oncol 1979, 95(2): 187-96.
    Ora mi chiedo come mai decidere di usare questa linea di ratti? 
     
  2. La statistica dell’intero lavoro è fortemente carente e non poteva non essere così visto chel’impianto stesso dell’esperimento (costato 3 milioni di euro, ma iostento a credere a cifrecosì elevate) prevedeva l’uso di solo 10 ratti per tipologia di trattamento. Con questi numeri dare un errore statisticamente significativo è semplicemente avventuroso.
     
  3. Gli autori omettono di fare una seria comparazione con i dati disponibili in letteratura per casi del tutto analoghi in cui si usava la stessa linea di ratti e gli stessi tempi di sperimentazione. Questo sarebbe servito a mostrare come la loro insorgenza di specifici tumori era in linea con quelli già osservati da altri sperimentatori e che quelli osservati erano veri aumenti statisticamente significativi. In questo momento mi resta il dubbio che gli autori abbiano una diminuizione nell’incidenza dei tumori riscontrati e non un aumento.
     
  4. Anche sulla definizione di “tumori” gli autori lasciano più di un dubbio, ecco cosa dicono Seralini e coautori nell’articolo pubblicato:“In female animals, the largest tumors were in total 5 times more frequent than in males after 2 years, with 93% being mammary tumors. Adenomas, fibroadenomas and carcinomas were deleterious to health due to a very large size, rather than the grade of the tumor itself.”  Sembra quindi che nella definizione di tumori mammari siano inclusi anche i fibroadenomi, ma se così fosse allora dovremmo rileggere cosa scrivono Brix e coautori (2005) citati dallo stesso Seralini. Per la linea di ratti femmine Sprague-Dawley nella Tabella 1 dell’articolo di Brix ci viene segna lato nella categoria di lesioni mammarie che si hanno il 50,9% di iperplasie (189/371), il 3% di adenomi (11/371), l’11,3% di carcinomi (42/371), edil 70,9% di fibroadenomi (263/371). Come sifaràmai con 10 ratti femmine a dire se si hanno aumenti o diminuzioni nel numero di “lesioni” mammarie?
     
  5. Infine appare sorprendente che in almeno due occasioni quando viene somministrato mais ingegnerizzato alla dose massima del 33% gli effetti riscontrati non sono solo minori rispetto ai due dosaggi inferiori (22% ed 11% di mais nella dieta anche se questa non è descritta in dettaglio), ma sono anche più bassi dello stesso controllo in cui si è usato mais non geneticamente modificato (anche questo mais è di origine ignota tanto che viene definito come “il più geneticamente simile al mais ingegnerizzato NK603”).

Ci sarebbero ancora tante metodologie e definizioni in questo testo che lasciano francamente sorpresi.Tra qualche settimana uscirà una valutazione dell’Alto Consiglio delle Biotecnologie Francese (un organismo autorevole di valutazione, di cui anche l’Italia dovrebbe dotarsi) ed a fine anno apparirà il giudizio dell’EFSA, l’Agenzia per la sicurezza alimentare Europea e non è difficile pronosticare una stroncatura dell’articolo.

Ben altre valutazioni ci aspettiamo invece per le recensioni e gli incassi del libro e del DVD. 

Articoli correlati

Scienza in rete è un giornale senza pubblicità e aperto a tutti per garantire l’indipendenza dell’informazione e il diritto universale alla cittadinanza scientifica. Contribuisci a dar voce alla ricerca sostenendo Scienza in rete. In questo modo, potrai entrare a far parte della nostra comunità e condividere il nostro percorso. Clicca sul pulsante e scegli liberamente quanto donare! Anche una piccola somma è importante. Se vuoi fare una donazione ricorrente, ci consenti di programmare meglio il nostro lavoro e resti comunque libero di interromperla quando credi.


prossimo articolo

Why have neural networks won the Nobel Prizes in Physics and Chemistry?

This year, Artificial Intelligence played a leading role in the Nobel Prizes for Physics and Chemistry. More specifically, it would be better to say machine learning and neural networks, thanks to whose development we now have systems ranging from image recognition to generative AI like Chat-GPT. In this article, Chiara Sabelli tells the story of the research that led physicist and biologist John J. Hopfield and computer scientist and neuroscientist Geoffrey Hinton to lay the foundations of current machine learning.

Image modified from the article "Biohybrid and Bioinspired Magnetic Microswimmers" https://onlinelibrary.wiley.com/doi/epdf/10.1002/smll.201704374

The 2024 Nobel Prize in Physics was awarded to John J. Hopfield, an American physicist and biologist from Princeton University, and to Geoffrey Hinton, a British computer scientist and neuroscientist from the University of Toronto, for utilizing tools from statistical physics in the development of methods underlying today's powerful machine learning technologies.