IA aprende a decodificar as doenças escritas em seu DNA

A abordagem, conhecida como V2P (Variante para Fenótipo), visa 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 revista Comunicações da Natureza.

Predição de doenças a partir da variação genética

A maioria das ferramentas de análise genética existentes são capazes de estimar se uma mutação é potencialmente prejudicial, mas normalmente param por aí. Eles não explicam que tipo de doença pode resultar. O V2P foi projetado para superar essa limitação usando aprendizado de máquina avançado para conectar variantes genéticas com seus resultados fenotípicos esperados – ou seja, as doenças ou características que uma mutação pode produzir. Desta forma, o sistema ajuda a prever como o DNA de uma pessoa pode afetar a sua saúde.

“Nossa abordagem nos permite identificar as alterações genéticas que são mais relevantes para a condição de um paciente, em vez de examinar milhares de variantes possíveis”, diz o primeiro autor David Stein, PhD, que completou recentemente seu treinamento de doutorado 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 ela provavelmente causará, podemos melhorar a velocidade e a precisão da interpretação e do diagnóstico genético”.

Treinando a IA para encontrar a mutação certa

Para construir o modelo, os pesquisadores treinaram o V2P em um grande conjunto de dados contendo variantes genéticas prejudiciais e inofensivas, juntamente com informações detalhadas sobre doenças. Esta formação permitiu ao sistema aprender padrões que ligam variantes específicas a resultados de saúde. Quando testado usando dados reais e desidentificados de pacientes, 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 pode ajudar pesquisadores e desenvolvedores de medicamentos a identificar os genes e caminhos mais intimamente ligados a doenças específicas”, diz o Dr. Schlessinger, coautor sênior e co-correspondente, professor de Ciências Farmacológicas e diretor do Centro de Descoberta de Medicamentos de Pequenas Moléculas de IA na Escola de Medicina Icahn no Monte Sinai. “Isso pode orientar o desenvolvimento de terapias geneticamente adaptadas aos mecanismos da doença, particularmente em condições raras e complexas”.

Expandindo a medicina de precisão e a descoberta de medicamentos

Atualmente, o V2P classifica as mutações em amplas categorias de doenças, como distúrbios do sistema nervoso ou câncer. A equipa de investigação planeia melhorar o sistema para que possa fazer previsões mais detalhadas e combinar os seus resultados com fontes de dados adicionais para ajudar ainda mais na descoberta de medicamentos.

Os investigadores dizem que este avanço marca um progresso significativo em direcção à medicina de precisão, onde os tratamentos são seleccionados com base no perfil genético de um indivíduo. Ao vincular variantes genéticas aos prováveis ​​efeitos da doença, o V2P poderia ajudar os médicos a chegar a diagnósticos mais rapidamente e ajudar os cientistas a descobrir novos alvos para terapia.

“O V2P nos dá 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 o Dr. Itan, co-sênior e co-autor correspondente, professor associado de Inteligência Artificial e Saúde Humana, e Genética e Ciências Genômicas, membro principal do Instituto Charles Bronfman de Medicina Personalizada e membro do Instituto Mindich de Saúde e Desenvolvimento Infantil da Escola de Medicina Icahn em Mount Sinai. “Ao conectar variantes específicas aos tipos de doenças que elas têm maior probabilidade de causar, podemos priorizar melhor quais genes e vias justificam uma investigação mais profunda. Isso nos ajuda a avançar com mais eficiência da compreensão da biologia para a identificação de possíveis abordagens terapêuticas e, em última análise, adaptar as intervenções ao perfil genômico específico de um indivíduo.”

O artigo é intitulado “Expandindo a utilidade das previsões de efeitos variantes com modelos específicos de fenótipos”.

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 pelos subsídios R24AI167802 e P01AI186771 do National Institutes of Health (NIH), financiamento da Fondation Leducq, e Leona M. e Harry B. Helmsley Charitable Trust concedem 2209-05535. Apoio adicional veio das bolsas do NIH R01CA277794, R01HD107528 e R01NS145483. O trabalho também recebeu apoio parcial através da concessão UL1TR004419 do Clinical and Translational Science Awards (CTSA) do National Center for Advancing Translational Sciences, bem como apoio do Office of Research Infrastructure do NIH sob os números de prêmio S10OD026880 e S10OD030463.