BARCELONA, 24 Nov. (EUROPA PRESS) -
Un equipo dirigido por la investigadora Debora Marks, de la Harvard Medical School de Estados Unidos, y por Jonathan Frazer y Mafalda Dias, del Centro de Regulación Genómica de Barcelona (CRG), ha creado un modelo de inteligencia artificial (IA) capaz de diagnosticar enfermedades minoritarias, incluso en pacientes con mutaciones únicas en el mundo.
El modelo, con el nombre 'popEVE' y publicado en la revista 'Nature Genetics', se desarrolló usando datos procedentes de cientos de miles de especies distintas y de la variación genética existente en la población humana, informa el CRG en un comunicado de este lunes.
Esta IA podría ayudar a los médicos a centrarse primero en las variantes más perjudiciales, y puede funcionar únicamente con la información genética del propio paciente, lo que tiene "importantes" implicaciones para el diagnóstico de enfermedades raras en sistemas sanitarios con recursos limitados.
El amplio registro evolutivo permite que la herramienta identifique qué partes de cada una de las cerca de 20.000 proteínas humanas son esenciales para la vida y cuáles pueden tolerar cambios, identificando las mutaciones causantes de enfermedades y clasificando su gravedad en todo el organismo.
RECORRER A LA EVOLUCIÓN
Para afecciones "tan raras como únicas", no existen antecedentes clínicos a los que recorrer, ya que incluso si se secuenciase a toda la población mundial, las mutaciones serían completamente nuevas; por ello, los métodos tradicionales que dependen de detectar patrones en grupos de pacientes o en grandes cohortes no pueden ayudar en estos casos individuales.
Ante esta situación, el equipo recurrió a la evolución: a lo largo de millones de años, la evolución en la Tierra ha llevado a cabo "incontables experimentos", poniendo a prueba qué cambios puede tolerar una proteína, algo que los modelos computacionales pueden usar para aprender qué posiciones de los aminoácidos son críticas para la vida comparando secuencias de proteínas de muchas especies distintas.
Esto inspiró 'EVE' (Evolutionary model of Variant Effect), un algoritmo presentado por los mismos autores del estudio en 2021, que usaba patrones evolutivas para clasificar mutaciones en genes humanos asociados a enfermedades como benignas o perjudiciales.
Sin embargo, las puntuaciones de 'EVE' no eran directamente comparables entre genes, algo que el nuevo modelo --'popEVE'-- resuelve combinando datos evolutivos con información procedente de los repositorios UK Biobank y gnomAD.
El resultado es "el primer modelo capaz de clasificar mutaciones de forma significativa en todo el proteoma humano", el conjunto completo de 20.000 proteínas, lo que permite comparar dos proteínas en la misma escala de gravedad.
'POPEVE', VALIDADO
Para validar 'popEVE', se analizaron datos genéticos de 31.000 familias con hijos afectados por trastorno del desarrollo: en el 98% de los casos en los que ya se había identificado una mutación causal, 'popEVE' clasificó correctamente esta variante como la más perjudicial de genoma del niño.
Cuando se buscaron nuevos genes candidatos asociados a enfermedades, 'popEVE' identificó 123 que prevamiente nunca se habían vinculado a trastornos del desarrollo; de estos, 104 se observaron en solo 1 o 2 pacientes.
Así, una de las fortalezas de 'popEVE' es que evita penalizar personas cuyos linajes están infrarepresentados en las bases de datos genéticos, predominantemente sesgadas hacia poblaciones de ascedencia europea.
Sin embargo, los autores subrayan que esta herramienta solo interpreta cmabios en el ADN que alteran proteínas: existen otros tipos de mutaciones, por los que no alcanza toda la variación genético, y tampoco sustituye el criterio clínico.
