Você já ouviu? AI pode editar genes agora

A inteligência artificial faz todo tipo de coisa... a genômica também faz isso.

A engenharia genética sempre foi uma reviravolta na história de filmes de ficção científica e programas de TV. A ideia de seres humanos geneticamente modificados com habilidades superiores e DNAs únicos ainda tem um efeito cascata nos fãs e nas bilheterias da Marvel.

Mas e se pudermos alterar os genes na vida real? A edição de genes CRISPR faz isso desde 2012 (sem Wolverine ou Magneto). Em 2022, esta poderosa técnica de engenharia genética é complementada com inteligência artificial.

Ao unir essas forças, podemos obter as melhores aparições de todos os tempos do CRISPR e revolucionar o setor de saúde.

Hoje, examinarei os detalhes práticos da engenharia genética baseada em IA e demonstrarei a diferença que a inteligência de máquina faz, usando um dos projetos de minha empresa como exemplo.

Noções básicas de edição do genoma

Em termos leigos, a edição do genoma é uma tecnologia que permite aos cientistas modificar o DNA de organismos, sejam plantas, animais ou humanos.

Envolve alterar a sequência de DNA de um gene para corrigir um distúrbio genético ou fazer uma alteração no gene que confere resistência à doença. O desenvolvimento de ferramentas de edição de genoma baseadas em CRISPR revolucionou esse campo, tornando mais fácil e rápido modificar genes.

Portanto, desde 2012, a engenharia genética tem sido associada principalmente ao CRISPR-Cas 9 ou apenas ao CRISPR, que é uma ferramenta única de “ recortar e colar ” para modificar genomas.

CRISPR-Cas9 tem uma enorme área de aplicação. Assim, pode silenciar ou ativar genes, bem como remover ou introduzir novos. Até agora, esta técnica já foi usada para tratar uma variedade de doenças, incluindo câncer e infecções. Além disso, o CRISPR tem sido usado para suprimir as populações de mosquitos para conter a malária e aumentar a resiliência do clima na agricultura de engenharia .

Quanto aos possíveis casos de uso, o CRISPR se sai bem para minimizar distúrbios genéticos, tratar e prevenir a propagação de doenças e melhorar o desempenho das culturas. A ExxonMobil também conta com modificação genética para produzir biodiesel de algas até 2025.

CRISPR tem um problema

Mas se é tudo arco-íris e borboletas com CRISPR, por que estou escrevendo isso?

A resposta é simples: **CRISPR Cas9 não é o salvador que esperamos que seja.

Um crescente corpo de evidências sugere que, juntamente com as mudanças positivas no DNA, o CRISPR também é culpado de alterações genéticas não intencionais ocasionais. Assim, as edições errôneas no local dos resultados da edição do genoma estão presentes em cerca de 16% das células humanas analisadas.

Isso significa que o efeito fora do alvo pode alterar a função de um gene e causar instabilidade cromossômica, limitando o potencial do gene e sua aplicação em procedimentos clínicos. Além disso, o desempenho de edição dessa técnica pode ser afetado por uma série de fatores e reduzir o número de células editadas com sucesso.

E é aqui que a engenharia genética e a inteligência artificial colidem.

IA e engenharia genética: uma dupla poderosa

A inteligência artificial e suas ramificações são suspeitas habituais quando se trata de soluções e inovações pioneiras. A genômica não é exceção. Graças aos recursos analíticos e preditivos, as tecnologias de IA salvam o dia e as vidas, ampliando o poder de edição do CRISPR.

Vamos examinar as principais áreas em que a IA contribui com padrões e algoritmos significativos.

edição genética

Como indiquei acima, CRISPR Cas9 é uma ferramenta tradicional de edição genética que corrige defeitos genéticos, tratando assim uma doença. O sucesso desse empreendimento decorre de direcionar as células certas e o tecido certo. No entanto, a probabilidade de clivagem inesperada impede a adoção em massa do CRISPR e ofusca seu potencial.

As mutações fora do alvo têm sido objeto de pesquisa há muito tempo. Como resultado, os cientistas produziram vários sistemas de pontuação que avaliam os efeitos alvo e fora do alvo. No entanto, a maioria dos métodos existentes de previsão fora do alvo não pode levar em consideração os dados CRISPR-Cas9 em evolução para autoaprendizagem contínua.

Mais importante ainda, as ferramentas de pontuação tradicionais não analisam "as possíveis relações entre sites incompatíveis e correspondentes, que podem afetar a atividade fora do alvo na edição do gene CRISPR-Cas9".

E é aqui que entra a inteligência artificial.

Isso torna o CRISPR Cas9 mais preciso, prevendo os efeitos alvo e fora do alvo com uma pontuação de precisão incomparável ( cerca de 97% ). Do ponto de vista técnico, redes neurais profundas e algoritmos de ML podem ser aplicados para produzir previsões.

Para treinar o modelo, os engenheiros normalmente alimentam o algoritmo com conjuntos de dados fora do alvo, como o CRISPOR, para benchmarks de desempenho. Avaliação adicional também é muito bem-vinda e pode ser feita adicionando outro conjunto de dados fora do alvo.

Um modelo computacional da Microsoft é um exemplo proeminente de IA resgatando casualmente a precisão da edição de genes. A ferramenta permite que os cientistas localizem os melhores locais para edição de genes, além de reduzir a possibilidade de efeitos colaterais.

Sequenciamento do genoma

Uma vez que algumas doenças podem ser causadas pela genética de uma pessoa, os cientistas vêm tentando examinar nossa composição genética há anos. O sequenciamento do genoma é o que apóia a pesquisa e ajuda a determinar melhor a sequência completa do DNA ou a composição do genoma de um organismo.

O sequenciamento é usado para identificar variantes e mutações genéticas, que podem estar associadas a condições de saúde ou doenças. Atualmente, a tecnologia tem sido utilizada em algumas aplicações médicas, incluindo diagnóstico pré-natal e tratamento de câncer.

No ano passado, o primeiro rascunho da sequência do genoma humano comemorou seu 20º aniversário . Este longo período de pesquisa resultou em um influxo de uma quantidade sem precedentes de dados genômicos. Na próxima década, a pesquisa genômica produzirá entre 2 e 40 exabytes de dados, paralisando assim o progresso.

Felizmente, a análise de dados complexa e gigantesca é a especialidade exata da inteligência artificial e do aprendizado de máquina. Ao automatizar o processamento de dados genômicos, os pesquisadores podem interpretar e agir sobre os dados genômicos em uma fração do tempo. Por outro lado, a análise de painel de genes tradicional pode levar cerca de duas semanas para retornar os resultados.**

Para colocar a velocidade da análise de IA em perspectiva, pesquisadores da Universidade de Stanford, NVIDIA e outros desenvolveram um método de IA para fazer o sequenciamento de DNA em 5 horas e 2 minutos. Isso os colocou no Guinness World Record para a ferramenta de sequenciamento de DNA mais rápida.

Além do processamento de dados extremamente rápido, a inteligência artificial pode ajudar a identificar variantes na sequência de DNA. Essas variantes podem estar ligadas a doenças ou condições hereditárias. Algoritmos também podem ser usados para prever como uma pessoa responderá a um determinado medicamento com base em sua composição genética. Com esses insights, os pesquisadores obtêm uma melhor compreensão do tratamento eficaz, suscetibilidade e mutações causadoras de doenças.

Na mesma linha, o processamento do sequenciador de DNA de nanoporos em tempo real permaneceu por muito tempo um desafio para a genômica. Essa tecnologia exclusiva permite a análise direta de longos fragmentos de DNA ou RNA. Por outro lado, uma análise lenta pode levar à diminuição das chances de sobrevivência de pacientes com sepse e outras condições urgentes.

Tenho a honra de dizer que nossa equipe ajudou a criar uma solução pioneira que resolveu os desafios do sequenciamento de nanoporos em tempo real.

Juntamente com Allen Day, que é cientista de dados e defensor do desenvolvedor sênior do Google Cloud Platform, desenvolvemos um aplicativo de análise de sequência de DNA em tempo real que detecta biocontominantes, genes resistentes a antibióticos etc.

Graças à visualização abrangente de dados, os especialistas médicos podem tomar uma decisão baseada em dados sobre o plano de tratamento do paciente. O código está disponível no GitHub .

Embora as implicações para a saúde humana tenham recebido muita atenção, o sequenciamento e a análise genética também podem ser revolucionários na agricultura e na pecuária .

Testes genéticos preditivos e medicina preventiva

Os testes genéticos não são novidade - mas a combinação de testes genéticos preditivos e inteligência artificial é um novo desenvolvimento empolgante. Quando se trata de prever se você pode ou não desenvolver uma determinada doença, as previsões geralmente são muito imprecisas.**

No entanto, com a ajuda da inteligência artificial, isso pode não ser mais o caso. Assim, pesquisadores da Sutter Health e do Georgia Institute of Technology estão usando aprendizado profundo para analisar dados eletrônicos de saúde para evitar insuficiência cardíaca . Dessa forma, estamos caminhando para uma abordagem médica proativa, ao invés de deixá-la reacionária.

Outro exemplo é uma equipe do MIT que desenvolveu um algoritmo de aprendizado profundo para tratamento preventivo de melanoma. O algoritmo pode identificar e rastrear rapidamente o melanoma em estágio inicial. Este último é responsável por mais de 70% das mortes relacionadas ao câncer de pele em todo o mundo.**

A triagem genética de recém-nascidos agora também é ampliada com algoritmos inteligentes. Assim, os pesquisadores do Children's National Hospital construíram uma ferramenta de aprendizado de máquina que realiza uma triagem genética rápida. Como resultado, uma análise rápida e precisa pode acelerar o diagnóstico de síndromes genéticas em crianças. Além disso, a inteligência artificial pode prever os resultados e os riscos decorrentes da cura de doenças genéticas, com base nos dados disponíveis.**
**

O futuro da saúde é a inteligência de dados

Como fica claro no meu post, a sinergia entre IA e saúde está presente em todas as áreas médicas. A aplicação de inteligência artificial para dados genômicos promete ajudar os pesquisadores a entender melhor os complexos perfis genômicos de diferentes organismos.

Com a ajuda da IA, os biólogos poderão assumir projetos de genômica mais ambiciosos e também analisar mais rapidamente os resultados de seus experimentos. A combinação de big data e aprendizado de máquina pode ajudar a identificar padrões em dados genômicos que, de outra forma, seriam difíceis de discernir para os humanos. Em última análise, a IA e o aprendizado de máquina acelerarão nossa compreensão de nossa composição genética e de outros organismos vivos.

1. Lin J, Wong KC. Previsões fora do alvo na edição de genes CRISPR-Cas9 usando aprendizado profundo. Bioinformática . 2018;34(17):i656-i663. doi:10.1093/bioinformatics/bty554