A avaliação direta da patogenicidade de combinações variantes em múltiplos genes era até agora difícil. No entanto, este tipo de avaliação pode fornecer importantes benefícios na identificação das causas genéticas das doenças raras.
O trabalho apresentado em artigo publicado pela PNAS (Proceedings of the National Academy of Sciences of the United States of America), publicado em 24 de maio de 2019, tem como objetivo resolver este problema.
Nesse trabalho é desenvolvido um método de “machine learning”, ou seja, uma inteligência artificial capaz de reconhecer padrões e aprender com eles, afim de prever a patogenicidade de combinações variantes em pares de genes, com base em dados patogênicos.
Foi demonstrada alta precisão desse método e sua capacidade efetiva de identificar novas instâncias, sendo explicado não somente o diagnostico final, mas também o processo de tomada de decisão do programa, sendo assim uma contribuição útil para a interpretação clínica. Este trabalho pioneiro servirá como mecanismo de ajuda para geneticistas e clínicos a aconselhar seus pacientes de forma mais eficaz.
O programa recebeu o nome de Variant Combinations Pathogenicity Predictor (VarCoPP), e seu mecanismo de ação consiste basicamente numa abordagem de aprendizado que identifica combinações de variantes patogênicas em pares de genes (chamados de combinações de variantes digênica ou bilocus). Esse método inovador, segundo o artigo, obteve resultados altamente precisos, atingindo uma eficácia que é endossada ao validar o método em dados independentes que causam doenças publicados recentemente. São identificados rótulos de confiança de 95% e 99%, representando a probabilidade de uma combinação bilocus ser um verdadeiro resultado patogênico, fornecendo aos geneticistas marcadores racionais para avaliar as combinações patogênicas mais relevantes e limitar o espaço e o tempo de busca.
Este trabalho fornece um passo importante para o entendimento genético de doenças raras, abrindo caminho para o conhecimento clínico e melhor atendimento ao paciente.
Fonte: https://www.pnas.org/content/early/2019/05/23/1815601116
