Cientistas da Icahn School of Medicine do Mount Sinai criaram um novo sistema de inteligência artificial que pode fazer mais do que sinalizar mutações genéticas prejudiciais. A ferramenta também pode prever os tipos de doenças que essas mutações provavelmente causarão.
A abordagem, conhecida como V2P (Variant to Phenotype), busca 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 de variações genéticas
A maioria das ferramentas de análise genética existentes consegue 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 aos seus resultados fenotípicos esperados — ou seja, as doenças ou características que uma mutação pode produzir. Dessa forma, o sistema ajuda a prever como o DNA de uma pessoa pode afetar 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 autor principal David Stein, PhD, que recentemente completou 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 provavelmente causará, podemos melhorar a velocidade e 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 contendo variantes genéticas prejudiciais e inofensivas, junto com informações detalhadas sobre doenças. Esse treinamento permitiu que o sistema aprendesse padrões que ligam variantes específicas a resultados de saúde. Quando testado com dados de pacientes reais e desidentificados, o V2P frequentemente classificou a verdadeira mutação causadora de doenças 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 vias mais intimamente ligados a doenças específicas”, diz o Dr. Schlessinger, co-sênior e co-correspondente autor, Professor de Ciências Farmacológicas, e Diretor do Centro de Descoberta de Medicamentos de Pequenas Moléculas com IA na Icahn School of Medicine do Mount Sinai. “Isso pode orientar o desenvolvimento de terapias que sejam geneticamente adaptadas aos mecanismos da doença, particularmente em condições raras e complexas.”
Expansão da medicina de precisão e 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 ajudar 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 de um indivíduo. Ao vincular variantes genéticas a seus prováveis efeitos sobre a doença, o V2P poderia ajudar os clínicos a alcançar diagnósticos mais rápidos e auxiliar os cientistas a descobrir novos alvos para a terapia.
“O V2P nos oferece 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-correspondente autor, Professor Associado de Inteligência Artificial e Saúde Humana, e Ciências Genéticas e Genômicas, membro central do 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 provavelmente causarão, podemos priorizar melhor quais genes e caminhos merecem uma investigação mais profunda. Isso nos ajuda a avançar de forma mais eficiente da compreensão da biologia para a identificação de abordagens terapêuticas potenciais e, em última análise, a adaptar intervenções ao 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 listado 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. O suporte adicional veio das bolsas do NIH R01CA277794, R01HD107528 e R01NS145483. O trabalho também recebeu suporte parcial através da concessão Clinical and Translational Science Awards (CTSA) UL1TR004419 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.
