Tendencias 21. Ciencia, tecnología, sociedad y cultura




El autismo no hereditario se debe al ADN basura

Mutaciones en el ADN no codificante afectan a las neuronas vinculadas al trastorno


La Inteligencia Artificial ha detectado conexiones entre el autismo y el genoma humano: el trastorno no hereditario se genera por mutaciones en el ADN basura que afectan a las neuronas implicadas en la génesis del autismo.





Usando inteligencia artificial, los científicos han descubierto mutaciones en partes del ADN no codificante conocido como "ADN basura" que pueden conducir al autismo, un trastorno psicológico que se caracteriza por la intensa concentración de una persona en su propio mundo interior y la progresiva pérdida de contacto con la realidad exterior.

Este es el primer estudio que detecta conexiones entre el autismo y el genoma humano y la  primera demostración clara de mutaciones no codificadas y no hereditarias que causan enfermedades o trastornos humanos complejos, señala Olga Troyanskaya, autora principal de la investigación, en un comunicado. Los resultados se publican en la revista Nature Genetics.

Aunque se estima que el 83% de casos de autismo son hereditarios, y que entre 400 y 1.000 genes pueden estar relacionados con el autismo debido a mutaciones no bien conocidas, esta investigación incorpora un nuevo dato a esta compleja relación: el papel que desempeña el ADN no codificante en la génesis del autismo.

Gracias a la IA

Para establecer esta relación, los investigadores utilizaron el aprendizaje automático, una rama de la inteligencia artificial que permite a los ordenadores aprender: crea algoritmos capaces de generalizar comportamientos y de reconocer patrones y en consecuencia de extraer conclusiones.

El aprendizaje automático se utilizó para analizar los genomas completos de 1.790 personas con autismo, así como de sus padres y hermanos no afectados.

Las personas afectadas no tenían antecedentes familiares de autismo, lo que significa que la causa genética de su trastorno se debió, probablemente, a mutaciones espontáneas, en lugar de a mutaciones hereditarias.

El análisis realizado por la IA descubrió conexiones precisas entre las mutaciones  en el ADN no codificante, con el desarrollo del autismo en individuos sin antecedentes familiares con el trastorno.

Aprendizaje automático

Troyanskaya y sus colegas entrenaron a un modelo informático de aprendizaje automático para predecir cómo una secuencia dada afectaría a la expresión génica.

Los investigadores estudiaron las bases genéticas del autismo aplicando el modelo de aprendizaje automático a un conjunto de datos genéticos llamado Simons Simplex Collection, que contiene los genomas completos de casi 2.000 'cuartetos', compuestos por un niño con autismo, un hermano no afectado y sus padres no afectados.

Los investigadores utilizaron su modelo para predecir el impacto de mutaciones no codificadas y no hereditarias en cada niño con autismo. Luego compararon esas predicciones con los efectos de la misma línea no mutada en el hermano no afectado del niño.

El análisis descubrió que las mutaciones no codificantes en muchos de los niños con autismo alteraron la regulación génica, especialmente la de los genes vinculados a la manifestación del autismo en el cerebro.

Nuevas perspectivas

En consecuencia, el estudio no solo ha descubierto la cantidad de mutaciones que ocurren en los casos de autismo no hereditario, sino también el tipo de mutaciones que se producen.

Los investigadores probaron los efectos de algunas de las mutaciones no codificantes en experimentos de laboratorio y los resultados confirmaron las predicciones del modelo.

Los científicos piensan que  se pueden aplicar las mismas técnicas utilizadas en el nuevo estudio para explorar el papel que desempeñan las mutaciones no codificantes en enfermedades como el cáncer y las enfermedades cardíacas.

La investigación fue dirigida por Olga Troyanskaya, subdirectora de genómica en el Centro de Biología Computacional (CCB) del Instituto Flatiron en la ciudad de Nueva York y profesora de ciencias de la computación en la Universidad de Princeton. Troyanskaya trabajó junto a Robert Darnell, profesor de biología del cáncer en la Universidad de Rockefeller e investigador en el Instituto Médico Howard Hughes.

Referencia

Whole-genome deep-learning analysis identifies contribution of noncoding mutations to autism risk. Jian Zhou et al. Nature Genetics (2019)DOI: https://doi.org/10.1038/s41588-019-0420-0


Jueves, 30 de Mayo 2019
Redacción T21
Artículo leído 7510 veces



Nota



Nuevo comentario:
Twitter

Los comentarios tienen la finalidad de difundir las opiniones que le merecen a nuestros lectores los contenidos que publicamos. Sin embargo, no está permitido verter comentarios contrarios a las leyes españolas o internacionales, así como tampoco insultos y descalificaciones de otras opiniones. Tendencias21 se reserva el derecho a eliminar los comentarios que considere no se ajustan al tema de cada artículo o que no respeten las normas de uso. Los comentarios a los artículos publicados son responsabilidad exclusiva de sus autores. Tendencias21 no asume ninguna responsabilidad sobre ellos. Los comentarios no se publican inmediatamente, sino que son editados por nuestra Redacción. Tendencias21 podrá hacer uso de los comentarios vertidos por sus lectores para ampliar debates en otros foros de discusión y otras publicaciones.

Otros artículos de esta misma sección
< >


¡Participa en el diseño del futuro!