Un nou model de învățare automată îmbunătățește precizia testelor genetice prenatale
Progresele în secvențierea genomului oferă mai multor familii acces la testele genetice prenatale și noi informații despre sănătatea unui copil nenăscut, inclusiv dacă modificările genetice ar putea fi legate de o afecțiune neurodezvoltamentală.
Cu toate acestea, testele pot descoperi și modificări ADN pe care clinicienii nu le înțeleg încă. Acestea sunt cunoscute sub numele de variante cu semnificație incertă sau VUS, iar aceste modificări nu pot fi clasificate ușor ca dăunătoare sau inofensive pe baza dovezilor disponibile. Rezultatul: incertitudine pentru un număr semnificativ de părinți care așteaptă un copil.
Medicii pot detecta o nouă modificare genetică, dar în aproximativ o treime din cazuri nu vor ști dacă este cu adevărat anormală sau pur și simplu în sfera normală a dezvoltării. Având prea multe variante pentru ca geneticii să țină pasul, este imposibil pentru ei să știe întotdeauna dacă o variantă de interes ar putea duce la tulburări neurodezvoltamentale sau alte afecțiuni genetice.
Dr. Rosanna Weksberg, specialist în genetică clinică și cercetător asociat senior în domeniul geneticii și biologiei genomului la The Hospital for Sick Children (SickKids).
Membrilor echipei Weksberg le este recunoscătoare pentru expertiza în epigenetică, studiul factorilor care influențează modul în care genele sunt activate sau dezactivate. Inovația lor recentă este un model de învățare automată care poate ajuta clinicienii să evalueze variantele incerte, indiferent de tipul de probe utilizate, și, ca urmare, să aducă claritate mult așteptată familiilor.
Transformarea utilizării „episignaturilor”
Episignaturile sunt etichete chimice distincte în ADN care dezvăluie prezența unor afecțiuni genetice specifice. În 2020, echipa a dezvăluit o platformă, EpigenCentral, care folosește datele provenite din episignaturile derivate din sânge pentru a ajuta medicii să determine dacă o variantă este cauzatoare de boală sau benignă.
Până acum, laboratorul Weksberg a contribuit la stabilirea a peste 60 de episignaturi, majoritatea dovedite clinic pentru diagnosticare. Până în prezent, aceste modele au fost specifice țesutului, ceea ce înseamnă că o episignatură identificată în sânge nu putea fi aplicată altor țesuturi, lăsând această abordare valoroasă de diagnosticare inaccesibilă atunci când se testează lichid amniotic sau țesut placentar în contexte prenatale.
„Dacă am putea lua aceste semnături derivate din sânge și le-am face independente de țesut, am putea depăși una dintre cele mai mari limitări în diagnosticul prenatal,” afirmă Dr. Sanaa Choufani, cercetător asociat senior.
Aceasta a inspirat noua lor metodă de învățare automată, care ar putea transforma episignaturile derivate din sânge în unele „independente de țesut” (care rămân neschimbate, indiferent de locul din corp de unde provin). Cu alte cuvinte, acestea sunt informative în multiple tipuri de țesuturi, inclusiv în probele prenatale. Weksberg și Choufani au co-condus un nou studiu publicat în The American Journal of Human Genetics, demonstrând că această abordare funcționează, deschizând calea pentru utilizarea sa viitoare în medicina prenatală.
Modelul nou s-a dovedit eficient în identificarea variantelor
În scopul demonstrării conceptului, echipa a generat o episignatură derivată din sânge folosind probe de la 266 de persoane cu sindrom Down, selectați deoarece este una dintre cele mai frecvente afecțiuni genetice rare. Apoi, au antrenat modelul folosind date publice disponibile despre metilarea ADN-ului (etichete chimice) de la 850 de indivizi cu și fără sindrom Down, acoperind șase tipuri diferite de țesuturi prenatale și postnatale.
Modelul lor a recunoscut cu precizie modelul sindromului Down în fiecare tip de țesut testat, demonstrând că o episignatură derivată din sânge poate fi transformată într-una capabilă să identifice o episignatură specifică bolii în diferite țesuturi.
„Suntem încântați că modelul nostru poate aduce un nou nivel de precizie în testele prenatale, unde rămân atât de multe întrebări de răspuns,” spune Weksberg. „Această abordare de învățare automată este, de asemenea, o piatră de temelie pentru a studia multe afecțiuni pentru care țesuturile sunt inaccesibile, ceea ce ar sprijini o rapidă translație în clinică.”
De fapt, cercetătorii afirmă că aceasta ar putea, în cele din urmă, să sprijine testarea diagnostică utilizând o gamă mai largă de probe, cum ar fi saliva și tampoanele bucale, reducând astfel necesitatea de sânge sau alte țesuturi.
Prin depășirea unei limitări cheie a testării epigenetice, echipa speră că într-o zi va permite diagnostice mai timpurii și mai precise și va ajuta familiile să ia decizii cu informații mai clare.
„Când familiile sunt informate despre o potențială tulburare neurodezvoltamentală, scopul nostru cu această abordare este de a oferi mai multe informații, cât mai detaliate posibil, pentru a le sprijini. Vrem să reducem odiseea diagnostică pe care mulți dintre acești pacienți o traversează pentru afecțiuni rare,” spune Choufani.
