.
Cientistas de dados da Escola de Medicina Icahn em Mount Sinai, em Nova York, e colegas criaram um modelo de inteligência artificial que pode prever com mais precisão quais medicamentos existentes, atualmente não classificados como prejudiciais, podem de fato levar a deficiências congênitas.
O modelo, ou “gráfico de conhecimento”, descrito na edição de 17 de julho da NaturezaDiário Medicina da Comunicação, também tem o potencial de prever o envolvimento de compostos pré-clínicos que podem prejudicar o feto em desenvolvimento. O estudo é o primeiro conhecido desse tipo a usar gráficos de conhecimento para integrar vários tipos de dados para investigar as causas de deficiências congênitas.
Defeitos congênitos são anormalidades que afetam cerca de 1 em 33 nascimentos nos Estados Unidos. Eles podem ser funcionais ou estruturais e acredita-se que resultem de vários fatores, incluindo a genética. No entanto, as causas da maioria dessas deficiências permanecem desconhecidas. Certas substâncias encontradas em medicamentos, cosméticos, alimentos e poluentes ambientais podem levar a defeitos congênitos se expostas durante a gravidez.
“Queríamos melhorar nossa compreensão da saúde reprodutiva e do desenvolvimento fetal e, principalmente, alertar sobre o potencial de novos medicamentos causarem defeitos congênitos antes que esses medicamentos sejam amplamente comercializados e distribuídos”, diz Avi Ma’ayan, PhD, professor de Ciências Farmacológicas , e diretor do Mount Sinai Center for Bioinformatics em Icahn Mount Sinai, e autor sênior do artigo. “Embora identificar as causas subjacentes seja uma tarefa complicada, esperamos que, por meio de uma análise de dados complexa como esta, que integra evidências de várias fontes, seremos capazes, em alguns casos, de prever, regular e proteger melhor contra danos significativos que deficiências congênitas podem causar.”
Os pesquisadores reuniram conhecimento em vários conjuntos de dados sobre associações de defeitos congênitos observados em trabalhos publicados, incluindo aqueles produzidos por programas do NIH Common Fund, para demonstrar como a integração de dados desses recursos pode levar a descobertas sinérgicas. Particularmente, os dados combinados são da genética conhecida da saúde reprodutiva, classificação de medicamentos com base em seu risco durante a gravidez e como drogas e compostos pré-clínicos afetam os mecanismos biológicos dentro das células humanas.
Especificamente, os dados incluíram estudos sobre associações genéticas, alterações de expressão gênica induzidas por drogas e compostos pré-clínicos em linhas celulares, alvos conhecidos de drogas, pontuações de carga genética para genes humanos e pontuações de cruzamento placentário para drogas de moléculas pequenas.
É importante ressaltar que, usando o ReproTox-KG, com aprendizado semi-supervisionado (SSL), a equipe de pesquisa priorizou 30.000 medicamentos pré-clínicos de moléculas pequenas por seu potencial de atravessar a placenta e induzir defeitos congênitos. O SSL é um ramo do aprendizado de máquina que usa uma pequena quantidade de dados rotulados para orientar as previsões de dados não rotulados muito maiores. Além disso, ao analisar a topologia do ReproTox-KG, foram identificados mais de 500 grupos de defeitos congênitos/genes/drogas que poderiam explicar os mecanismos moleculares subjacentes aos defeitos congênitos induzidos por drogas. Em termos de teoria dos grafos, cliques são subconjuntos de um grafo onde todos os nós do clique estão diretamente conectados a todos os outros nós do clique.
Os pesquisadores alertam que as descobertas do estudo são preliminares e que mais experimentos são necessários para validação.
Em seguida, os pesquisadores planejam usar uma abordagem semelhante baseada em gráficos para outros projetos com foco na relação entre genes, drogas e doenças. Eles também pretendem usar o conjunto de dados processados como materiais de treinamento para cursos e workshops sobre análise de bioinformática. Além disso, eles planejam estender o estudo para considerar dados mais complexos, como a expressão gênica de tecidos específicos e tipos de células coletados em vários estágios de desenvolvimento.
“Esperamos que nosso trabalho colaborativo leve a uma nova estrutura global para avaliar a toxicidade potencial de novos medicamentos e explicar os mecanismos biológicos pelos quais alguns medicamentos, conhecidos por causar defeitos congênitos, podem operar. É possível que em algum momento no futuro, agências reguladoras como a Food and Drug Administration dos EUA e a Agência de Proteção Ambiental dos EUA podem usar essa abordagem para avaliar o risco de novos medicamentos ou outras aplicações químicas”, diz o Dr. Ma’ayan.
.
