Nova ferramenta de IA melhora a descoberta de genes envolvidos em condições de neurodesenvolvimento

Nova ferramenta de IA melhora a descoberta de genes envolvidos em condições de neurodesenvolvimento

Os pesquisadores desenvolveram uma abordagem de inteligência artificial (IA) que acelera a identificação de genes que contribuem para condições de neurodesenvolvimento, como transtorno do espectro do autismo, epilepsia e atraso no desenvolvimento. Esta nova e poderosa ferramenta computacional pode ajudar a caracterizar completamente o cenário genético dos distúrbios do neurodesenvolvimento. Esta é a chave para um diagnóstico molecular preciso, mecanismo de elucidação e desenvolvimento de terapias direcionadas. O estudo apareceu noJornal Americano de Genética Humana.

“Embora os pesquisadores tenham feito avanços importantes na identificação de vários genes associados a distúrbios do neurodesenvolvimento, muitos pacientes com esses distúrbios ainda não recebem um diagnóstico genético, indicando que há muito mais genes esperando para serem descobertos”, disse o primeiro autor e co-corretor, Dr.

Para descobrir novos genes associados a uma doença, os investigadores sequenciam os genomas de muitas pessoas com as doenças e comparam-nos com os genomas de pessoas sem as doenças.

Adotámos uma abordagem complementar. Usámos a IA para encontrar padrões entre genes já ligados a doenças do neurodesenvolvimento e prever genes adicionais que também estão envolvidos nestas doenças. “

Dr. Ryan S. Dhindsa, professor assistente de patologia e imunologia, Baylor College of Medicine

Os pesquisadores procuraram padrões de expressão genética medidos no nível unicelular do cérebro humano em desenvolvimento. "Descobrimos que os modelos de IA treinados exclusivamente com base nesses dados de expressão podem prever de forma robusta os genes envolvidos nos transtornos do espectro do autismo, atraso no desenvolvimento e epilepsia. No entanto, queríamos levar este trabalho um passo adiante", disse Dhindsa.

Para melhorar ainda mais os modelos, a equipe incluiu mais de 300 características biológicas adicionais, incluindo medidas de quão intolerantes os genes são às mutações, se interagem com outros genes conhecidos associados a doenças e seus papéis funcionais em vários caminhos biológicos.

“Esses modelos têm um valor preditivo excepcionalmente alto”, disse Dhindsa. “Os genes principais eram até duas ou seis vezes maiores, dependendo do tipo de herança, sendo enriquecidos para os genes de risco de transtorno de alta confiança, em vez de apenas para as métricas de intolerância genética. Além disso, alguns genes de classificação superior tinham 45 a 500 vezes mais probabilidade de serem apoiados pela literatura abaixo dos genes de classificação inferior.

“Vemos esses modelos como ferramentas analíticas que podem validar genes que emergem de estudos de sequenciamento, mas que ainda não possuem evidências estatísticas suficientes para estarem envolvidos nas condições de neurodesenvolvimento”, disse Dhindsa. “Esperamos que nossos modelos acelerem a descoberta de genes e o diagnóstico de pacientes, e que estudos futuros avaliem essa possibilidade.”

Blake A. Weido, Justin S. Dhindsa, Arya J. Shetty, Chloe F. Sands, Slavé Petrovski, Dimitrios Vitsios e o co-autor Anthony W. Zoghbi contribuíram para este trabalho. Os autores são afiliados a uma ou mais das seguintes instituições: Baylor College of Medicine, Jan e Dan Duncan Neurological Research Institute no Texas Children's Hospital, AstraZeneca e University of Melbourne.

Este trabalho é apoiado por doações do NIH Ninds (F32 NS127854), NIH (DP5 OD036131), uma bolsa de longevidade do Grupo Norn, da Hevolution Foundation, da Rosenkranz Foundation e da Grant K23MH121669.

Fontes: