Investigadores de la Facultad de Medicina de Harvard esta trabajando en en estudios de asociación genómica y herramientas de inteligencia artificial para abordar mayor precisión y rapidez en los diagnósticos de enfermedades raras. El modelo, llamado ‘PopEVE’, produce una puntuación para cada variante en el genoma de un paciente que indica su probabilidad de causar enfermedad y sitúa las variantes en un espectro continuo.
En un artículo publicado el 24 de noviembre en Nature Genetics, los científicos muestran que el sistema puede predecir si las variantes son benignas o patógenas (causantes de enfermedades) y cuáles causan la muerte en la infancia frente a la adultez.
El modelo pudo identificar más de 100 alteraciones nuevas responsables de enfermedades genéticas raras y no diagnosticadas.
"Nuestro objetivo era desarrollar un modelo que clasificara las variantes por gravedad de la enfermedad — proporcionando una visión priorizada y clínicamente significativa del genoma de una persona", dijo la coautora principal Debora Marks, profesora de biología de sistemas en el Instituto Blavatnik de HMS.
El equipo espera que popEVE pueda ayudar a los clínicos a diagnosticar enfermedades genéticas de una sola variante —especialmente las raras— de forma más rápida y precisa. El modelo también podría utilizarse para identificar nuevos objetivos farmacológicos para condiciones genéticas.
La herramienta complementa los esfuerzos de toda la comunidad HMS para realizar investigaciones, desarrollar herramientas de IA y participar en colaboraciones a nivel nacional para mejorar el diagnóstico y tratamiento de enfermedades raras.
A medida que la secuenciación genómica se ha vuelto más accesible, los médicos han tenido acceso a una cantidad creciente de información sobre las variantes genéticas de sus pacientes.
Sin embargo, para las variantes cuyo vínculo con la enfermedad sigue siendo poco comprendido, identificar cuáles de esas variantes son responsables de la condición del paciente suele ser lento, ineficiente y, a veces, infructuoso. Como resultado, muchos pacientes con enfermedades genéticas raras o únicas permanecen sin diagnosticar durante años.
Hace varios años, el Marks Lab desarrolló un modelo de IA generativa llamado EVE que utiliza información evolutiva profunda de diferentes especies para aprender patrones de mutaciones altamente conservadas en biología. A continuación, EVE puede hacer predicciones sobre cómo las variantes en los genes humanos afectan a la función de las proteínas.
Pero EVE no podía comparar fácilmente variantes de diferentes genes humanos para determinar cuáles podrían ser más problemáticas para la salud. Lo mismo ocurre con otros modelos de predicción de variantes que han surgido en los últimos años, según los investigadores.
El equipo creía que encontrar una mejor manera de comparar variantes entre genes podría ayudar a los clínicos a elegir qué variantes priorizar en su investigación al tratar de diagnosticar y atender a los pacientes, dijo Rose Orenbuch, investigadora en el Marks Lab y autora principal del nuevo artículo.
Para crear popEVE, los investigadores añadieron dos componentes a EVE: un modelo proteico de gran lenguaje, que aprende de las secuencias de aminoácidos que componen las proteínas, y datos de población humana que capturan la variación genética natural. Al hacerlo, pudieron calibrar el modelo para que la puntuación que produce para cada variante pueda compararse entre genes.
Dado que popEVE combina información entre especies y dentro de la especie, revela cuánto afecta una variante a la función de las proteicas, así como la importancia de esa variante para la fisiología humana, explicó Marks.
Cuando los investigadores probaron popEVE en variantes documentadas y estudios de caso, descubrieron que fue exitoso:
Es importante destacar que el modelo no mostró sesgo de ascendencia al tener peores resultados en personas de entornos genéticos subrepresentados y no sobrepredijo la prevalencia de variantes patógenas.
Lo más notable, explican los investigadores, es que el modelo identificó variantes en 123 genes vinculados a trastornos del desarrollo que no se habían identificado previamente, encontrando esencialmente las causas genéticas probables de los trastornos. De hecho, 25 de estos genes han sido confirmados de forma independiente por investigaciones en otros laboratorios como responsables de estos trastornos.
César Hernández, director general de Cartera y Farmacia del Ministerio de Sanidad: 
Kilian Sánchez, secretario de Sanidad del PSOE y portavoz de la Comisión de Sanidad del Senado.: 
Rocío Hernández, consejera de Salud de Andalucía: 
Nicolás González Casares, eurodiputado de Socialistas & Demócratas (S&D - PSOE): 
Juan José Pedreño, consejero de Salud de Murcia: