Una nueva herramienta de IA mejora el descubrimiento de genes implicados en condiciones del neurodesarrollo

Una nueva herramienta de IA mejora el descubrimiento de genes implicados en condiciones del neurodesarrollo

Los investigadores han desarrollado un enfoque de inteligencia artificial (IA) que acelera la identificación de genes que contribuyen a condiciones del desarrollo neurológico como el trastorno del espectro autista, la epilepsia y el retraso en el desarrollo. Esta nueva y poderosa herramienta computacional puede ayudar a caracterizar completamente el panorama genético de los trastornos del desarrollo neurológico. Ésta es la clave para un diagnóstico molecular preciso, el mecanismo de elucidación y el desarrollo de terapias dirigidas. El estudio apareció en elRevista Estadounidense de Genética Humana.

"Aunque los investigadores han logrado avances importantes en la identificación de varios genes asociados con los trastornos del desarrollo neurológico, muchos pacientes con estos trastornos aún no reciben un diagnóstico genético, lo que indica que hay muchos más genes esperando ser descubiertos", afirmó el primer autor y coautor de la corrección, el Dr.

Para descubrir nuevos genes asociados con una enfermedad, los investigadores secuencian los genomas de muchas personas con los trastornos y los comparan con los genomas de personas sin los trastornos.

Hemos adoptado un enfoque complementario. Utilizamos IA para encontrar patrones entre genes ya relacionados con enfermedades del neurodesarrollo y predecir genes adicionales que también están involucrados en estos trastornos. “

Dr. Ryan S. Dhindsa, profesor asistente de patología e inmunología, Facultad de Medicina de Baylor

Los investigadores buscaron patrones de expresión genética medidos a nivel unicelular del cerebro humano en desarrollo. "Descubrimos que los modelos de IA entrenados únicamente con estos datos de expresión pueden predecir de manera sólida los genes implicados en los trastornos del espectro autista, el retraso del desarrollo y la epilepsia. Sin embargo, queríamos llevar este trabajo un paso más allá", dijo Dhindsa.

Para mejorar aún más los modelos, el equipo incluyó más de 300 características biológicas adicionales, incluidas medidas de cuán intolerantes son los genes a las mutaciones, si interactúan con otros genes conocidos asociados a enfermedades y sus funciones funcionales en diversas vías biológicas.

"Estos modelos tienen un valor predictivo excepcionalmente alto", dijo Dhindsa. "Los genes superiores eran hasta dos o seis veces, dependiendo del tipo de herencia, y estaban enriquecidos para los genes de riesgo de trastorno de alta confianza en lugar de solo para las métricas de intolerancia genética. Además, algunos genes de alto rango tenían entre 45 y 500 veces más probabilidades de estar respaldados por la literatura inferior que los genes de menor rango".

"Consideramos estos modelos como herramientas analíticas que pueden validar genes que surgen de estudios de secuenciación pero que aún no tienen suficiente evidencia estadística para estar involucrados en las condiciones del desarrollo neurológico", dijo Dhindsa. "Esperamos que nuestros modelos aceleren el descubrimiento de genes y el diagnóstico de pacientes, y estudios futuros evaluarán esta posibilidad".

Blake A. Weido, Justin S. Dhindsa, Arya J. Shetty, Chloe F. Sands, Slavé Petrovski, Dimitrios Vitsios y el coautor Anthony W. Zoghbi contribuyeron a este trabajo. Los autores están afiliados a una o más de las siguientes instituciones: Baylor College of Medicine, Jan and Dan Duncan Neuroological Research Institute del Texas Children's Hospital, AstraZeneca y la Universidad de Melbourne.

Este trabajo cuenta con el apoyo de subvenciones de NIH Ninds (F32 NS127854), NIH (DP5 OD036131), una subvención de longevidad del Grupo Norn, la Fundación Hevolution, la Fundación Rosenkranz y la subvención K23MH121669.

Fuentes: