Científicos de la Escuela de Medicina Icahn en Mount Sinai han desarrollado un nuevo sistema de inteligencia artificial capaz de ir más allá de la simple identificación de mutaciones genéticas perjudiciales. Esta herramienta también puede predecir los tipos de enfermedades que esas mutaciones tienen más probabilidades de causar.
Este enfoque, conocido como V2P (Variante a Fenotipo), tiene como objetivo acelerar las pruebas genéticas y apoyar el desarrollo de nuevas terapias para enfermedades raras y complejas. La investigación fue publicada el 15 de diciembre en la edición en línea de Nature Communications.
Predicción de enfermedades a partir de la variación genética
La mayoría de las herramientas de análisis genético existentes pueden estimar si una mutación es potencialmente dañina, pero generalmente se detienen ahí. No explican qué tipo de enfermedad podría resultar. V2P está diseñado para superar esta limitación utilizando aprendizaje automático avanzado para conectar variantes genéticas con sus resultados fenotípicos esperados, es decir, las enfermedades o rasgos que una mutación puede producir. De esta manera, el sistema ayuda a predecir cómo el ADN de una persona podría afectar su salud.
«Nuestro enfoque nos permite identificar con precisión los cambios genéticos más relevantes para la condición de un paciente, en lugar de analizar miles de variantes posibles», explica el primer autor, David Stein, PhD, quien completó recientemente su formación doctoral en los laboratorios de Yuval Itan, PhD, y Avner Schlessinger, PhD. «Al determinar no solo si una variante es patógena, sino también el tipo de enfermedad que probablemente cause, podemos mejorar tanto la velocidad como la precisión de la interpretación y el diagnóstico genético».
Entrenando a la IA para encontrar la mutación correcta
Para construir el modelo, los investigadores entrenaron a V2P con un gran conjunto de datos que contenía variantes genéticas tanto dañinas como inofensivas, junto con información detallada sobre enfermedades. Este entrenamiento permitió que el sistema aprendiera patrones que vinculan variantes específicas con resultados de salud. Cuando se probó con datos de pacientes reales y desidentificados, V2P clasificó con frecuencia la verdadera mutación causante de la enfermedad entre las 10 principales candidatas, lo que demuestra su potencial para simplificar y acelerar el diagnóstico genético.
«Más allá del diagnóstico, V2P podría ayudar a los investigadores y desarrolladores de fármacos a identificar los genes y las vías más estrechamente relacionados con enfermedades específicas», afirma el Dr. Schlessinger, co-autor principal y corresponsal, profesor de Ciencias Farmacológicas y director del Centro de Descubrimiento de Fármacos de Pequeñas Moléculas con IA en la Escuela de Medicina Icahn en Mount Sinai. «Esto puede guiar el desarrollo de terapias genéticamente adaptadas a los mecanismos de la enfermedad, particularmente en afecciones raras y complejas».
Ampliando la medicina de precisión y el descubrimiento de fármacos
Actualmente, V2P clasifica las mutaciones en amplias categorías de enfermedades, como trastornos del sistema nervioso o cánceres. 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 al descubrimiento de fármacos.
Los investigadores afirman que este avance marca un progreso significativo hacia la medicina de precisión, donde los tratamientos se seleccionan en función del perfil genético individual. Al vincular las variantes genéticas con sus probables efectos en la enfermedad, V2P podría ayudar a los clínicos a llegar a diagnósticos más rápidos y ayudar a los científicos a descubrir nuevas dianas terapéuticas.
«V2P nos brinda una visión más clara de cómo los cambios genéticos se traducen en enfermedades, lo que tiene implicaciones importantes tanto para la investigación como para la atención al paciente», dice el Dr. Itan, co-autor principal y corresponsal, profesor asociado de Inteligencia Artificial y Salud Humana, y Genética y Ciencias Genómicas, miembro central del Charles Bronfman Institute for Personalized Medicine y miembro del Mindich Child Health and Development Institute en la Escuela de Medicina Icahn en Mount Sinai. «Al conectar variantes específicas con los tipos de enfermedades que tienen más probabilidades de causar, podemos priorizar mejor qué genes y vías merecen una investigación más profunda. Esto nos ayuda a avanzar de manera más eficiente desde la comprensión de la biología hasta la identificación de posibles enfoques terapéuticos y, en última instancia, adaptar las intervenciones al perfil genómico específico de un individuo».
El artículo se titula «Expanding the utility of variant effect predictions with phenotype-specific models» (Ampliando la utilidad de las predicciones del efecto de las variantes con modelos específicos del fenotipo).
Los autores del estudio, según figura en la revista, son David Stein, Meltem Ece Kars, Baptiste Milisavljevic, Matthew Mort, Peter D. Stenson, Jean-Laurent Casanova, David N. Cooper, Bertrand Boisson, Peng Zhang, Avner Schlessinger y Yuval Itan.
Esta investigación fue apoyada por subvenciones de los Institutos Nacionales de la Salud (NIH) R24AI167802 y P01AI186771, financiación de la Fondation Leducq y la subvención de la Leona M. y Harry B. Helmsley Charitable Trust 2209-05535. El apoyo adicional provino de las subvenciones de los NIH R01CA277794, R01HD107528 y R01NS145483. El trabajo también recibió apoyo parcial a través de la subvención Clinical and Translational Science Awards (CTSA) UL1TR004419 del National Center for Advancing Translational Sciences, así como apoyo de la Office of Research Infrastructure of the NIH bajo los números de premio S10OD026880 y S10OD030463.
