Pesquisadores da Icahn School of Medicine at Mount Sinai desenvolveram um novo sistema de inteligência artificial que vai além de identificar mutações genéticas prejudiciais. Esta ferramenta também pode prever os tipos de doenças que essas mutações são mais propensas a causar.
A abordagem, denominada V2P (Variante para Fenótipo), tem como objetivo acelerar os testes genéticos e apoiar o desenvolvimento de novas terapias para doenças raras e complexas. A pesquisa foi publicada na edição online de 15 de dezembro da Nature Communications.
Previsão de doenças a partir da variação genética
A maioria das ferramentas de análise genética existentes é capaz de estimar se uma mutação é potencialmente prejudicial, mas geralmente param por aí. Elas não explicam que tipo de doença pode resultar. O V2P foi projetado para superar essa limitação, utilizando aprendizado de máquina avançado para conectar variantes genéticas com seus resultados fenotípicos esperados — significando as doenças ou características que uma mutação pode produzir. Dessa forma, o sistema ajuda a prever como o DNA de uma pessoa pode impactar sua saúde.
“Nossa abordagem nos permite identificar as alterações genéticas mais relevantes para a condição de um paciente, em vez de vasculhar milhares de variantes possíveis,” diz o primeiro autor David Stein, PhD, que recentemente completou sua formação doutoral nos laboratórios de Yuval Itan, PhD, e Avner Schlessinger, PhD. “Ao determinar não apenas se uma variante é patogênica, mas também o tipo de doença que provavelmente causará, podemos melhorar tanto a velocidade quanto a precisão da interpretação genética e diagnósticos.”
Treinamento da IA para identificar a mutação correta
Para construir o modelo, os pesquisadores treinaram o V2P em um extenso conjunto de dados que incluía variantes genéticas prejudiciais e inócuas, além de informações detalhadas sobre doenças. Esse treinamento permitiu que o sistema aprendesse padrões que vinculavam variantes específicas a resultados de saúde. Ao ser testado com dados reais de pacientes desidentificados, o V2P frequentemente classificou a verdadeira mutação causadora da doença entre os 10 principais candidatos, demonstrando seu potencial para simplificar e acelerar o diagnóstico genético.
“Além do diagnóstico, o V2P poderia ajudar pesquisadores e desenvolvedores de medicamentos a identificar os genes e as vias mais intimamente ligadas a doenças específicas,” afirma Dr. Schlessinger, coautor sênior e correspondente, Professor de Ciências Farmacológicas e Diretor do AI Small Molecule Drug Discovery Center na Icahn School of Medicine at Mount Sinai. “Isso pode orientar o desenvolvimento de terapias geneticamente ajustadas aos mecanismos da doença, particularmente em condições raras e complexas.”
Avanço da medicina de precisão e da descoberta de medicamentos
Atualmente, o V2P classifica as mutações em amplas categorias de doenças, como distúrbios do sistema nervoso ou cânceres. A equipe de pesquisa planeja aprimorar o sistema para que ele possa fazer previsões mais detalhadas e combinar seus resultados com fontes de dados adicionais para auxiliar ainda mais na descoberta de medicamentos.
Os pesquisadores afirmam que esse avanço representa um progresso significativo em direção à medicina de precisão, onde os tratamentos são selecionados com base no perfil genético do indivíduo. Ao vincular variantes genéticas a seus prováveis efeitos sobre doenças, o V2P poderia ajudar os clínicos a chegar a diagnósticos mais rapidamente e ajudar os cientistas a descobrir novos alvos para terapia.
“O V2P nos proporciona uma janela mais clara sobre como as mudanças genéticas se traduzem em doenças, o que tem implicações importantes tanto para a pesquisa quanto para o atendimento ao paciente,” diz Dr. Itan, coautor sênior e correspondente, Professor Associado de Inteligência Artificial e Saúde Humana, além de Ciências Genéticas e Genômicas, membro do Charles Bronfman Institute for Personalized Medicine, e membro do Mindich Child Health and Development Institute na Icahn School of Medicine at Mount Sinai. “Ao conectar variantes específicas aos tipos de doenças que são mais propensas a causar, podemos priorizar melhor quais genes e vias merecem uma investigação mais aprofundada. Isso nos ajuda a avançar de maneira mais eficiente do entendimento da biologia para a identificação de possíveis abordagens terapêuticas e, em última instância, personalizar intervenções ao perfil genômico específico de um indivíduo.”
O artigo intitula-se “Expanding the utility of variant effect predictions with phenotype-specific models.”
Os autores do estudo, conforme listados na revista, são David Stein, Meltem Ece Kars, Baptiste Milisavljevic, Matthew Mort, Peter D. Stenson, Jean-Laurent Casanova, David N. Cooper, Bertrand Boisson, Peng Zhang, Avner Schlessinger e Yuval Itan.
Esta pesquisa foi apoiada por bolsas do National Institutes of Health (NIH) R24AI167802 e P01AI186771, financiamento da Fondation Leducq, e a bolsa do Leona M. e Harry B. Helmsley Charitable Trust 2209-05535. Apoio adicional veio de bolsas do NIH R01CA277794, R01HD107528 e R01NS145483. O trabalho também recebeu apoio parcial por meio das Clinical and Translational Science Awards (CTSA) com a bolsa UL1TR004419 do National Center for Advancing Translational Sciences, assim como apoio do Office of Research Infrastructure do NIH sob os números de prêmio S10OD026880 e S10OD030463.
Leave a Reply