Pesquisadores da Icahn School of Medicine at Mount Sinai desenvolveram um sistema de inteligência artificial chamado V2P que não só avalia se mutações genéticas são provavelmente prejudiciais, mas também prevê as amplas categorias de doenças que podem causar. A abordagem, descrita em um artigo na Nature Communications, visa acelerar o diagnóstico genético e apoiar tratamentos mais personalizados, especialmente para condições raras e complexas.
Cientistas da Icahn School of Medicine at Mount Sinai apresentaram o V2P, um sistema de inteligência artificial projetado para abordar uma lacuna de longa data na análise genética.
A maioria das ferramentas existentes foca em determinar se uma mutação é potencialmente danosa, mas para por aí sem indicar que tipo de doença pode resultar. O V2P (Variant to Phenotype) é projetado para ir além usando aprendizado de máquina para conectar variantes genéticas com seus resultados fenotípicos esperados — ou seja, os amplos tipos de doenças ou traços que uma mutação pode produzir, como distúrbios do sistema nervoso ou cânceres, de acordo com o Mount Sinai.
O modelo usa uma estrutura de aprendizado de máquina multi-tarefa e multi-saída treinada em grandes conjuntos de dados de variantes genéticas patogênicas e supostamente benignas pareadas com informações fenotípicas. Esse treinamento permite que ele estime tanto se uma variante é patogênica ou benigna quanto qual das 23 categorias de fenótipo de doença de nível superior da Human Phenotype Ontology é mais provável de afetar.
Em avaliações que incluíram dados de sequenciamento de pacientes desidentificados, o V2P frequentemente classificou a mutação causadora da doença verdadeira entre as 10 principais variantes candidatas em um caso dado, um resultado que a equipe do Mount Sinai diz que poderia ajudar a simplificar e acelerar o processo diagnóstico.
"Nossa abordagem nos permite identificar as mudanças genéticas mais relevantes para a condição de um paciente, em vez de peneirar milhares de variantes possíveis", disse David Stein, PhD, o primeiro autor do estudo, em um comunicado divulgado pelo Mount Sinai. "Ao determinar não apenas se uma variante é patogênica, mas também o tipo de doença que é provável causar, podemos melhorar tanto a velocidade quanto a precisão da interpretação genética e diagnósticos."
O coautor sênior Avner Schlessinger, PhD, Professor de Ciências Farmacológicas e Diretor do AI Small Molecule Drug Discovery Center no Icahn Mount Sinai, destacou o potencial da ferramenta além dos testes clínicos. "Além do diagnóstico, o V2P poderia ajudar pesquisadores e desenvolvedores de medicamentos a identificar os genes e vias mais estreitamente ligados a doenças específicas", disse ele. "Isso pode guiar o desenvolvimento de terapias geneticamente adaptadas aos mecanismos da doença, particularmente em condições raras e complexas."
No presente, o V2P classifica mutações em amplas categorias de doenças, incluindo distúrbios do sistema nervoso e neoplasias (cânceres). A equipe de pesquisa planeja refinar o sistema para que ele possa fazer previsões mais detalhadas e integrar seus resultados com fontes de dados adicionais, com o objetivo de apoiar ainda mais a descoberta de alvos e o desenvolvimento de fármacos.
"O V2P nos dá uma janela mais clara sobre como as mudanças genéticas se traduzem em doença, o que tem implicações importantes tanto para a pesquisa quanto para o cuidado ao paciente", disse Yuval Itan, PhD, coautor sênior e Professor Associado de Inteligência Artificial e Saúde Humana no Icahn Mount Sinai. "Ao conectar variantes específicas aos tipos de doenças que são mais propensos a causar, podemos priorizar melhor quais genes e vias merecem investigação mais profunda. Isso nos ajuda a passar de forma mais eficiente da compreensão da biologia à identificação de abordagens terapêuticas potenciais e, em última análise, adaptar intervenções ao perfil genômico específico de um indivíduo."
O trabalho, descrito no artigo da Nature Communications "Expanding the utility of variant effect predictions with phenotype-specific models", foi liderado por Stein e coautores Meltem Ece Kars, Baptiste Milisavljevic, Matthew Mort, Peter D. Stenson, Jean-Laurent Casanova, David N. Cooper, Bertrand Boisson, Peng Zhang, Schlessinger e Itan.
De acordo com o Mount Sinai, a pesquisa foi apoiada por bolsas dos National Institutes of Health R24AI167802 e P01AI186771, financiamento da Fondation Leducq e bolsa 2209-05535 do Leona M. and Harry B. Helmsley Charitable Trust. Apoio adicional veio de bolsas NIH R01CA277794, R01HD107528 e R01NS145483, bem como a bolsa Clinical and Translational Science Awards UL1TR004419 e prêmios de infraestrutura S10OD026880 e S10OD030463.
Os autores do estudo e pesquisadores do Mount Sinai dizem que o sistema avança a medicina de precisão fornecendo uma maneira de alto rendimento para mapear variantes genéticas humanas para fenótipos de doenças prováveis, potencialmente permitindo intervenções mais rápidas e direcionadas baseadas no perfil genético de um indivíduo.
