Cientistas da Universidade de Illinois (UIC), em Chicago, nos Estados Unidos, desenvolveram um software que pode ajudar a identificar reguladores de genes com eficiência. Os resultados da pesquisa foram publicados em 30 de junho, no jornal científico de acesso aberto Genome Research. O programa desenvolvido utiliza um algoritmo de machine learning para prever quais fatores de transcrição têm maior probabilidade de estar ativos nas células, individualmente.
Visão geral esquemática do sistema de aprendizado de máquina BITFAM.Fonte: Genome Research/International CC 4.0 licence
Como os genes fazem regulação celular
Fatores de transcrição são proteínas que se ligam ao DNA e controlam quais genes são ativados ou desativados dentro de uma célula. Essas proteínas podem ajudar a compreender e manipular estes sinais na célula e ser uma forma eficaz para descobrir novos tratamentos de determinadas doenças. A dificuldade é que existem centenas de fatores de transcrição nas células humanas, o que pode levar a anos de pesquisa por tentativa e erro até identificar quais são os mais ativos em determinado tecido.
Quando se descobre quais são expressos, ou "on", eles podem ser usados como alvos de drogas, desativando, por exemplo, a expressão gênica causadora de uma doença. "Um dos desafios no campo é que os mesmos genes podem ser ativados em um grupo de células, mas desativados em um grupo diferente dentro do mesmo órgão", explicou Jalees Rehman, professor da UIC nos departamentos de Medicina e Farmacologia e Medicina Regenerativa, ao site Phys.
"Ser capaz de compreender a atividade dos fatores de transcrição em células individuais permitiria aos pesquisadores estudar os perfis de atividade em todos os principais tipos de células dos principais órgãos, como o coração, o cérebro ou os pulmões", disse Rehman.
Machine Learning na genética
Batizado de Bayesian Inference Transcription Factor Activity Model (BITFAM) — que significa "modelo de atividade do fator de transcrição de inferência Bayesiana", em tradução livre —, o sistema combina novos dados de perfil de expressão gênica, coletados do sequenciamento de RNA de uma célula única, com dados biológicos já existentes. Com essas informações, o sistema executa inúmeras simulações, até encontrar o ajuste ideal e prever a atividade de cada fator de transcrição na célula.
Os pesquisadores da universidade, coliderados por Rehman e Yang Dai, professor da UIC no Departamento de Bioengenharia, testaram o sistema em células do pulmão, coração e tecido cerebral. "Nossa abordagem não apenas identifica atividades de fator de transcrição significativas, mas também fornece informações valiosas sobre os mecanismos reguladores de fator de transcrição subjacentes", disse Shang Gao, primeiro autor do estudo e aluno de doutorado no Departamento de Bioengenharia.
"Por exemplo, se 80% dos alvos de um fator de transcrição específico são ativados dentro da célula, isso nos diz que sua atividade é alta. Ao fornecer dados como este para cada fator de transcrição na célula, o modelo pode dar aos pesquisadores uma boa ideia de quais olhar primeiro ao explorar novos alvos de drogas para trabalhar nesse tipo de célula", descreveu Gao.
Sistema verifica porcentagem de fatores de transcrição ativados nas células.Fonte: Freepik
Segundo os autores, o novo software está disponível publicamente e pode ser aplicado amplamente, porque os usuários têm a flexibilidade de combiná-lo com métodos de análise adicionais adequados para seus estudos (como encontrar novos alvos para determinadas drogas).
Aplicações do novo algoritmo
Segundo Dai, a nova abordagem pode ser usada para desenvolver hipóteses biológicas importantes, a respeito dos fatores de transcrição regulatórios em células relacionadas a uma ampla gama de hipóteses e tópicos científicos. "Isso nos permitirá obter insights sobre as funções biológicas das células de muitos tecidos", disse Dai.
Já Rehman, cuja pesquisa se concentra nos mecanismos de inflamação em sistemas vasculares, acredita que uma aplicação relevante para seu laboratório é o uso do novo software para se concentrar nos fatores de transcrição que conduzem as doenças em tipos específicos de células. "Por exemplo, gostaríamos de entender se há atividade do fator de transcrição que distingue uma resposta de célula imune saudável de uma resposta insalubre, como no caso de condições como a covid-19", explicou o professor.
Fontes
Categorias
