A IA AlphaMissense do Google DeepMind pode prever se as mutações afetarão o funcionamento de proteínas como a subunidade beta da hemoglobina (esquerda) ou o regulador de condutância transmembrana da fibrose cística (direita).
Google DeepMind
A empresa de inteligência artificial Google DeepMind adaptou seu sistema AlphaFold para prever a estrutura de proteínas para avaliar se um grande número de mutações simples é prejudicial.
O sistema adaptado, chamado AlphaMissense, fez isso para 71 milhões de possíveis mutações de um tipo chamado de mutações missense nas 20 mil proteínas humanas, e os resultados disponibilizados gratuitamente.
“Achamos que isso é muito útil para médicos e geneticistas humanos”, diz Jun Cheng no Google DeepMind. “Esperamos que isso possa ajudá-los a identificar a causa da doença genética.”
Quase todas as pessoas nascem com cerca de 50 a 100 mutações não encontradas nos pais, resultando numa enorme variação genética entre os indivíduos. Para os médicos que sequenciam o genoma de uma pessoa na tentativa de encontrar a causa de uma doença, isto representa um enorme desafio, porque podem existir milhares de mutações que podem estar ligadas a essa condição.
AlphaMissense foi desenvolvido para tentar prever se essas variantes genéticas são inofensivas ou podem produzir uma proteína ligada a uma doença.
Um gene codificador de proteínas informa a uma célula quais aminoácidos precisam ser unidos para formar uma proteína, com cada conjunto de três letras de DNA codificando um aminoácido. O A IA se concentra em mutações missense, que ocorrem quando uma das letras do DNA em um trio é alterada para outra letra e pode resultar na adição do aminoácido errado a uma proteína. Dependendo de onde isso acontece na proteína, pode resultar em qualquer coisa, desde nenhum efeito até uma proteína crucial que não funciona mais.
As pessoas tendem a ter cerca de 9.000 mutações missense cada. Mas os efeitos de apenas 0,1% das 71 milhões de possíveis mutações missense que poderíamos obter foram identificados até agora.
AlphaMissense não tenta descobrir como uma mutação missense altera a estrutura ou estabilidade de uma proteína, e que efeito isso tem nas suas interações com outras proteínas, embora a compreensão disso possa ajudar a encontrar tratamentos. Em vez disso, compara a sequência de cada possível proteína mutada com a de todas as proteínas nas quais AlphaFold foi treinado para ver se parece “natural”, diz Žiga Avsec no Google DeepMind. As proteínas que parecem “não naturais” são classificadas como potencialmente prejudiciais numa escala de 0 a 1.
Pushmeet Kohli no Google DeepMind usa o termo “intuição” para descrever como funciona. “Em certo sentido, este modelo aproveita a intuição que adquiriu ao resolver a tarefa de previsão de estrutura”, diz ele.
“É como se substituíssemos uma palavra de uma frase em inglês, uma pessoa familiarizada com o inglês pudesse ver imediatamente se essa substituição de palavra mudaria o significado da frase”, diz Avsec.
A equipe diz que o AlphaMissense superou outros métodos computacionais quando testado em variantes conhecidas.
Em artigo comentando a pesquisa, José Marsh na Universidade de Edimburgo, Reino Unido, e Sarah Teichmann da Universidade de Cambridge escrevem que AlphaMissense produziu “resultados notáveis” em vários testes diferentes de seu desempenho e será útil para priorizar quais possíveis mutações causadoras de doenças devem ser investigadas mais detalhadamente.
No entanto, tais sistemas ainda podem apenas ajudar no processo de diagnóstico, escrevem eles.
Mutações missense são apenas um dos muitos tipos diferentes de mutações. Pedaços de DNA também podem ser adicionados, excluídos, duplicados, invertidos e assim por diante. E muitas mutações causadoras de doenças não alteram as proteínas, mas ocorrem em sequências próximas envolvidas na regulação da atividade dos genes.
Tópicos: