Saúde Desvendada

A busca por compreender as bases genéticas de distúrbios do desenvolvimento, como o autismo, é um campo de pesquisa complexo e desafiador. Um novo estudo apresenta uma abordagem inovadora para identificar mutações genéticas relevantes, mesmo quando informações sobre o DNA dos pais não estão disponíveis. Essa ferramenta pode acelerar a descoberta de genes que desempenham um papel crucial no desenvolvimento do autismo.

Tradicionalmente, a identificação de mutações de novo, ou seja, aquelas que surgem espontaneamente no filho e não são herdadas dos pais, envolve a análise comparativa do DNA da criança e de seus pais. No entanto, em muitos casos, o material genético dos pais não está disponível, o que dificulta a identificação dessas mutações. O novo método propõe uma solução para contornar essa limitação, utilizando modelos estatísticos e algoritmos de aprendizado de máquina para inferir o status de novo de variantes genéticas, mesmo na ausência de dados parentais. Isso é especialmente útil para o estudo do autismo, onde a identificação de novas mutações pode fornecer pistas importantes sobre as causas da condição.

A pesquisa utilizou dados de indivíduos com transtorno do espectro autista para demonstrar a eficácia do método. Os pesquisadores desenvolveram um modelo de classificação que distingue mutações de novo de variantes raras herdadas. Essa distinção é crucial, pois as variantes herdadas são muito mais comuns do que as mutações de novo. Em seguida, eles propuseram um novo modelo, chamado Random Draw (RD), para utilizar essa pontuação na descoberta de genes. Integrado a uma estrutura inferencial existente, o RD produz um teste de associação baseado em genes mais poderoso e controla a taxa de descoberta falsa. A ferramenta e os dados utilizados no estudo estão disponíveis publicamente, permitindo que outros pesquisadores a utilizem e contribuam para o avanço da pesquisa sobre o autismo e outros distúrbios do desenvolvimento. Este avanço representa um passo significativo para desvendar a complexa arquitetura genética do autismo e, consequentemente, para o desenvolvimento de estratégias de diagnóstico e intervenção mais eficazes.

Origem: Link