Los científicos de la Escuela de Medicina Icahn de Mount Sinai han desarrollado un nuevo sistema de inteligencia artificial que puede hacer algo más que detectar mutaciones genéticas dañinas. La herramienta puede predecir el tipo de enfermedad que podrían causar esas mutaciones.
El enfoque, conocido como V2P (Variante del Fenotipo), tiene como objetivo acelerar las pruebas genéticas y ayudar a desarrollar nuevas terapias para enfermedades raras y complejas. El estudio aparece en la edición en línea del 15 de diciembre. comunicación de la naturaleza.
Predicción de enfermedades a partir de la variación genética.
La mayoría de las herramientas de análisis genético existentes son capaces de predecir si una mutación es potencialmente dañina, pero normalmente se detienen ahí. No explican qué tipo de enfermedad puede ocurrir. V2P está diseñado para superar esta limitación mediante el uso de aprendizaje automático avanzado para vincular variantes genéticas con sus resultados fenotípicos esperados, es decir, la enfermedad o rasgo que la mutación puede causar. De esta manera, el sistema ayuda a predecir cómo el ADN de una persona podría afectar su salud.
“Nuestro enfoque nos permite identificar los cambios genéticos más relevantes para la condición de un paciente, en lugar de buscar entre miles de variantes posibles”, dijo el primer autor David Stein, PhD, quien recientemente completó su formación doctoral en el laboratorio de Yuval Etan, PhD, y Avner Schlesinger, PhD. “Al determinar no sólo si una variante es patógena sino también el tipo de enfermedad que puede causar, podemos mejorar tanto la velocidad como la precisión de la interpretación y el diagnóstico genético”.
Entrenando a la IA para encontrar la mutación adecuada
Para construir el modelo, los investigadores entrenaron V2P en un gran conjunto de datos que contenía variantes genéticas nocivas y nocivas junto con información detallada sobre la enfermedad. Esta capacitación permite al sistema aprender patrones que vinculan variantes específicas con resultados de salud. Cuando se prueba utilizando datos reales de pacientes no identificados, V2P a menudo clasifica las mutaciones que causan enfermedades verdaderas entre los 10 principales candidatos, lo que demuestra su potencial para simplificar y acelerar el diagnóstico genético.
“Más allá del diagnóstico, V2P puede ayudar a los investigadores y desarrolladores de fármacos a identificar los genes y las vías más estrechamente asociados con enfermedades específicas”, dijo el Dr. Schlesinger, coautor principal y coautor correspondiente, profesor de ciencias farmacológicas y director del Centro de descubrimiento de fármacos de moléculas pequeñas de IA en la Escuela Sinine de la Escuela Econaut. “Esto podría guiar el desarrollo de terapias genéticamente adaptadas al proceso de la enfermedad, particularmente en condiciones raras y complejas”.
Ampliando la medicina de precisión y el descubrimiento de fármacos
Actualmente, V2P clasifica las mutaciones en categorías amplias de enfermedades, como trastornos neurológicos o cáncer. El equipo de investigación planea mejorar el sistema para que pueda hacer predicciones más detalladas y combinar sus resultados con fuentes de datos adicionales para ayudar aún más en el descubrimiento de fármacos.
Los investigadores dicen que el avance marca un progreso significativo hacia la medicina de precisión, donde los tratamientos se seleccionan en función del perfil genético de una persona. Al vincular las variantes genéticas con sus posibles efectos en la enfermedad, V2P puede ayudar a los médicos a alcanzar diagnósticos más rápidos y a los científicos a descubrir nuevos objetivos para la terapia.
“V2P nos brinda una ventana clara sobre cómo los cambios genéticos se traducen en enfermedades, lo que tiene implicaciones importantes tanto para la investigación como para la atención al paciente”, dijo el Dr. Etan, coautor principal y coautor correspondiente, profesor asociado de inteligencia artificial y salud humana, y miembro principal del Instituto Charles Bronze de Genética y Ciencias Genómicas, y miembro del Charles de Minnsman. Instituto de Salud y Desarrollo Infantil de la Facultad de Medicina Icahn de Mount Sinai. “Al vincular variantes específicas con los tipos de enfermedades que pueden causar, podemos priorizar mejor qué genes y vías justifican una investigación más profunda. Esto nos ayuda a pasar más eficientemente de la comprensión de la biología a la identificación de posibles enfoques terapéuticos y, en última instancia, a adaptar las intervenciones al perfil genómico específico de un individuo”.
El artículo se titula “Ampliación de la utilidad de la predicción de efectos variantes con modelos específicos de fenotipo”.
Los autores del estudio que figuran en la revista son David Stein, Meltem Es Kars, Baptiste Milisavljevic, Matthew Mort, Peter D. Stenson, Jean-Laurent Casanova, David N. Cooper, Bertrand Boisson, Peng Zhang, Avner Schlesinger y Yuval Etan.
Esta investigación fue apoyada por las subvenciones R24AI167802 y P01AI186771 de los Institutos Nacionales de Salud (NIH), financiación de la Fondation Leducq y la subvención 2209-05535 de Leona M. and Harry B. Helmsley Charitable Trust. El apoyo adicional provino de las subvenciones NIH R01CA277794, R01HD107528 y R01NS145483. El trabajo también fue parcialmente apoyado por la subvención UL1TR004419 de los Premios de Ciencias Clínicas y Traslacionales CTSA del Centro Nacional para el Avance de las Ciencias Traslacionales, así como por el apoyo de la Oficina de Infraestructura de Investigación de los NIH con los números de premio S10OD026880 y S10OD030463.
