Argomenti trattati
Mutazioni genetiche mai viste finora potrebbero essere alla base dell’autismo e sono state individuate, grazie all’intelligenza artificiale, nel cosiddetto Dna spazzatura, ossia nelle regioni del genoma che non controllano la produzione di proteine. I risultati della ricerca, guidata da Olga Troyanskaya dell’americana Princeton University, sono stati pubblicati su “Nature Genetics”.
L’algoritmo di intelligenza artificiale
I ricercatori hanno utilizzato algoritmi di intelligenza artificiale per analizzare l’intero genoma di 1.790 individui con autismo e quello dei loro genitori e fratelli non affetti dalla malattia. L’algoritmo “scorre lungo il genoma” analizzando ogni singolo gene, fino a quando non identifica tutte le mutazioni. L’analisi ha identificato le mutazioni genetiche collegate all’autismo in regioni del genoma che non producono proteine e che per questo in passato erano state chiamate Dna spazzatura. Per la prima volta in assoluto i risultati collegano le mutazioni in questa regione del genoma ai disturbi dello spettro autistico. Adesso i ricercatori si concentreranno su questi geni per comprendere come contribuiscono allo sviluppo della malattia. Secondo Olga Troyanskaya questi risultati sono la prima chiara dimostrazione di come mutazioni di geni non codificanti possono causare un disturbo umano così complesso.
Una scoperta importante
Le mutazioni che avvengono nelle regioni del Dna che producono proteine causano circa il 30% dei casi totali di autismo non ereditari, un dato che suggeriva ai ricercatori la presenza di altre componenti responsabili del disturbo. Tuttavia, le mutazioni delle regioni non codificanti possono essere talmente numerose e uniche per ogni individuo da aver reso in passato impossibile un’analisi accurata. Oggi il problema è stato risolto grazie appunto al sistema di intelligenza artificiale, in grado di prevedere l’effetto di tutte le mutazioni osservate ed evidenziare quali in particolare possono interferire con la regolazione dei geni. Secondo il coautore della ricerca Christopher Park, il risultato è coerente con il modo in cui il disturbo si manifesta a livello cerebrale.
Da sapere
PROSPETTIVE FUTURE
Il metodo usato per questa ricerca potrebbe essere utilizzato anche per scoprire le cause genetiche di altre malattie. L’approccio potrebbe essere particolarmente utile per i disturbi neurologici, tumori, malattie cardiache e molte altre, per le quali ancora non sono state identificate le basi genetiche.
Fonti / Bibliografia
- Whole-genome deep-learning analysis identifies contribution of noncoding mutations to autism risk | Nature GeneticsWe address the challenge of detecting the contribution of noncoding mutations to disease with a deep-learning-based framework that predicts the specific regulatory effects and the deleterious impact of genetic variants. Applying this framework to 1,790 autism spectrum disorder (ASD) simplex families reveals a role in disease for noncoding mutations—ASD probands harbor both transcriptional- and post-transcriptional-regulation-disrupting de novo mutations of significantly higher functional impact than those in unaffected siblings. Further analysis suggests involvement of noncoding mutations in synaptic transmission and neuronal development and, taken together with previous studies, reveals a convergent genetic landscape of coding and noncoding mutations in ASD. We demonstrate that sequences carrying prioritized mutations identified in probands possess allele-specific regulatory activity, and we highlight a link between noncoding mutations and heterogeneity in the IQ of ASD probands...
Aderiamo allo standard HONcode per l’affidabilità dell’informazione medica
