Un nou instrument computațional utilizează un limbaj simplu pentru diagnosticarea genetică
Un nou instrument computațional denumit MARRVEL-MCP ajută cercetătorii să avanseze spre diagnostice genetice mai eficiente, analizând și interpretând cantități vaste de informații genetice și biologice, folosind un limbaj accesibil.
Studiul, realizat de cercetători de la Baylor College of Medicine și Texas Children’s Hospital, a fost publicat în American Journal of Human Genetics.
Bolile genetice rare sunt adesea cauzate de modificări minore în ADN-ul unei persoane. Totuși, nu toate schimbările genetice asociate cu o afecțiune joacă un rol în boală. Unele modificări pot contribui la apariția bolii, în timp ce altele nu au un impact. Identificarea dacă o variantă genetică este dăunătoare sau inofensivă este esențială pentru diagnosticarea acestor condiții, dar acest proces implică examinarea unei cantități mari de date, o sarcină complexă și consumatoare de timp.
Dr. Hyun-Hwan Jeong a declarat: „Pentru a ajunge la un diagnostic genetic, medicii și cercetătorii trebuie să adune informații din multe baze de date biologice diferite, fiecare cu propriul format și reguli, și apoi să reunească cu atenție dovezile. Chiar și pentru experți, acest lucru poate dura ore pentru un singur caz.”
Studiul actual introduce MARRVEL-MCP, un instrument computațional conceput pentru a accelera și facilita acest proces, în special pentru non-experți. Acesta combină inteligența artificială, în special modele mari de limbaj (LLMs) precum ChatGPT și Gemini, cu un set structurat de baze de date biologice pentru a ajuta la interpretarea variantelor genetice folosind termeni accesibili.
Echipa a dezvoltat anterior MARRVEL (Model organism Aggregated Resources for Rare Variant ExpLoration), o abordare computațională care permite cercetătorilor să verifice rapid baze de date genetice și biologice pentru a căuta informații despre variantele genice. MARRVEL a fost bine primit de comunitatea științifică, înregistrând peste 43.000 de utilizatori în întreaga lume doar în 2025.
MARRVEL reunește baze de date genomice, funcționale și despre organisme model într-o platformă unificată. Aceste surse conțin diferite tipuri de informații care trebuie luate în considerare pentru a determina dacă o variantă genetică cauzează o boală. De exemplu, cât de frecventă este o variantă în populație, dacă a fost asociată anterior cu o boală, predicții despre posibilele daune aduse unui gen, informații din experimente de laborator și articole științifice care discută cazuri similare.
„Cu toate acestea, MARRVEL necesită intrări formatate cu precizie și produce ieșiri cuprinzătoare, dar complexe, care necesită o interpretare manuală substanțială”, a declarat Jeong. „Aceasta impune bariere care limitează accesibilitatea și eficiența pentru mulți utilizatori, deoarece presupune că aceștia pot interpreta ieșirile heterogene și sintetiza dovezile, ceea ce necesită o expertiză considerabilă.”
MARRVEL-Model Context Protocol (MCP) schimbă modul în care funcționează acest proces. În loc să ceară utilizatorilor să învețe formate tehnice și să navigheze manual prin baze de date, acesta le permite să pună întrebări în limbaj simplu, cum ar fi: „Această mutație BRCA1 este legată de cancer?”
În câteva secunde, MARRVEL-MCP identifică automat informații cheie (precum denumiri de gene sau mutații), le convertește în formatele necesare bazelor de date, interoghează mai multe surse de date în ordinea corectă și combină rezultatele într-un răspuns clar, bazat pe dovezi. MARRVEL-MCP acoperă domenii precum asociațiile bolilor, variațiile genetice, expresia genelor și literatura științifică și permite LLM-urilor să compună și să execute autonom fluxuri analitice multi-pas din întrebări formulate în limbaj simplu.
„Ceea ce mă entuziasmează cel mai mult este că MARRVEL-MCP arată că nu trebuie întotdeauna să avem cele mai mari modele de inteligență artificială pentru a face progrese semnificative în cercetarea biomedicală”, a spus Jeong. „Prin oferirea de acces la unelte clare și context structurat, putem face modelele mai inteligente pentru sarcini specializate.”
„Am lansat MARRVEL-MCP ca o resursă deschisă care permite integrarea agenților LLM cu baze de date biomedicale clare”, a declarat Liu. „Pentru a facilita explorarea independentă și reproducibilitatea, oferim acces la MARRVEL-MCP printr-o interfață publică disponibilă, permițând utilizatorilor să testeze interactiv sistemul fără instalare locală. De asemenea, intenționăm să revizuim platforma principală MARRVEL, adăugând funcții AI agentice – care îi vor permite să ia acțiuni independente, nu doar să genereze text sau să răspundă la solicitări – astfel încât utilizatorii să poată trece mai ușor de la întrebări formulate în limbaj simplu la analize genetice structurate.
Primul autor Zachary Everton, Jorge Botas, Seon Young Kim și Lin Yao, toți de la Baylor College of Medicine și Texas Children’s Hospital, au contribuit de asemenea la această lucrare.
