Cientistas da Icahn School of Medicine do Mount Sinai desenvolveram um novo sistema de inteligência artificial que faz mais do que apenas identificar mutações genéticas prejudiciais. Essa ferramenta também consegue prever os tipos de doenças que essas mutações estão mais propensas a causar.
A abordagem, chamada V2P (Variant to Phenotype – 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 Nature Communications.
Prevenção de doenças a partir da variação genética
A maioria das ferramentas de análise genética atuais pode estimar se uma mutação é potencialmente danosa, mas geralmente vão apenas até aí. Elas não explicam quais tipos de doenças podem resultar. O V2P é projetado para superar essa limitação, utilizando aprendizado de máquina avançado para conectar variantes genéticas aos seus desfechos fenotípicos esperados — ou seja, as doenças ou traços que uma mutação pode produzir. Deste modo, o sistema ajuda a prever como o DNA de uma pessoa pode afetar sua saúde.
“Nossa abordagem nos permite identificar as mudanças genéticas que são mais relevantes para a condição de um paciente, em vez de termos que analisar milhares de variantes possíveis,” afirma o autor principal David Stein, PhD, que recentemente concluiu seu treinamento 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 rapidez quanto a precisão da interpretação genética e dos diagnósticos.”
Treinando a IA para encontrar a mutação correta
Para construir o modelo, os pesquisadores treinaram o V2P em um grande conjunto de dados que continha variantes genéticas prejudiciais e inócuas, além de informações detalhadas sobre doenças. Esse treinamento permitiu que o sistema aprendesse padrões que ligam variantes específicas a desfechos de saúde. Quando testado com dados reais 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 auxiliar pesquisadores e desenvolvedores de medicamentos a identificar os genes e os caminhos mais intimamente ligados a doenças específicas,” diz Dr. Schlessinger, coautor sênior e correspondente, Professor de Ciências Farmacológicas e Diretor do Centro de Descoberta de Medicamentos de Pequenas Moléculas por IA da Icahn School of Medicine do Mount Sinai. “Isso pode direcionar o desenvolvimento de terapias que são geneticamente adaptadas aos mecanismos da doença, especialmente em condições raras e complexas.”
Ampliando a medicina de precisão e a descoberta de medicamentos
Atualmente, o V2P classifica 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 este avanço representa um progresso significativo em direção à medicina de precisão, onde os tratamentos são escolhidos com base no perfil genético do indivíduo. Ao vincular variantes genéticas aos seus prováveis efeitos de doenças, o V2P pode ajudar os clínicos a chegar a diagnósticos mais rapidamente e auxiliar os cientistas na descoberta de novos alvos para terapia.
“O V2P nos proporciona uma visão mais clara de como mudanças genéticas se traduzem em doenças, o que tem importantes implicações tanto para a pesquisa quanto para o cuidado com o paciente,” afirma Dr. Itan, coautor sênior e correspondente, Professor Associado de Inteligência Artificial e Saúde Humana, e Ciências Genéticas e Genômicas, membro do The Charles Bronfman Institute for Personalized Medicine, e membro do Mindich Child Health and Development Institute na Icahn School of Medicine do Mount Sinai. “Ao conectar variantes específicas aos tipos de doenças que elas provavelmente causarão, podemos priorizar melhor quais genes e vias merecem investigação mais profunda. Isso nos ajuda a avançar de forma mais eficiente da compreensão da biologia para a identificação de potenciais abordagens terapêuticas e, em última análise, a personalização de intervenções para o perfil genômico específico de um indivíduo.”
O artigo é intitulado “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 subsídios do National Institutes of Health (NIH) R24AI167802 e P01AI186771, financiamento da Fondation Leducq, e do subsídio do Leona M. and Harry B. Helmsley Charitable Trust 2209-05535. Apoio adicional veio de subsídios do NIH R01CA277794, R01HD107528 e R01NS145483. O trabalho também recebeu apoio parcial através do Clinical and Translational Science Awards (CTSA) subsídio UL1TR004419 do National Center for Advancing Translational Sciences, além de suporte do Office of Research Infrastructure do NIH sob os números de prêmio S10OD026880 e S10OD030463.
