Os pesquisadores usam o aprendizado de máquina para identificar biomarcadores sanguíneos do autismo
Usando ferramentas de aprendizado de máquina para analisar centenas de proteínas, os pesquisadores da UT Southwestern identificaram um grupo de biomarcadores no sangue que pode levar a um diagnóstico precoce de crianças com transtorno do espectro do autismo (TEA) e, por sua vez, a terapias mais eficazes mais cedo.
A identificação de nove proteínas séricas que predizem fortemente o TEA foi relatada em um estudo publicado hoje pela PLOS ONE .
O diagnóstico precoce, seguido por suporte terapêutico imediato e intervenção, pode ter um impacto significativo em 1 em 59 crianças diagnosticadas com autismo nos Estados Unidos. Ser capaz de identificar crianças no espectro do autismo quando eles são pequenos pode fazer uma grande diferença, diz Dwight German, Ph.D., professor de psiquiatria da UT Southwestern e autor sênior do estudo.
Atualmente, a idade média de uma criança com diagnóstico de TEA nos EUA é de 4 anos. O diagnóstico antes dos 4 anos de idade significa que uma criança tem mais probabilidade de receber tratamento eficaz e baseado em evidências, como terapias direcionadas aos principais sintomas do TEA, incluindo comportamentos inflexíveis e falta de comunicação ou habilidades sociais.
Muitos candidatos a biomarcadores baseados no sangue foram investigados, incluindo neurotransmissores, citocinas e marcadores de disfunção mitocondrial, estresse oxidativo e metilação prejudicada. No entanto, dada a prevalência de ASD, o uso de aprendizado de máquina para incorporar dados demográficos e clínicos à análise poderia examinar com mais eficácia o status da doença e a gravidade dos sintomas.
Para o estudo, foram examinadas amostras de soro de 76 meninos com ASD e 78 de meninos com desenvolvimento típico, com idades entre 18 meses e 8 anos.
Todas as nove proteínas no painel de biomarcadores foram significativamente diferentes em meninos com ASD em comparação com meninos com desenvolvimento típico. Os pesquisadores descobriram que cada uma das nove proteínas séricas se correlacionou com a gravidade dos sintomas.
Mais de 1.100 proteínas foram examinadas usando a plataforma de análise de proteínas SomaLogic. Um painel de nove proteínas foi identificado como ideal para prever ASD usando três métodos computacionais. Os pesquisadores então avaliaram a qualidade do painel de biomarcadores usando métodos de aprendizado de máquina. Estudos futuros são necessários para validar totalmente os presentes achados.
"Quanto mais afetada a criança, mais alto ou mais baixo que o normal é o biomarcador sanguíneo", disse German. "Idealmente, haverá um dia em que uma criança será identificada usando biomarcadores sanguíneos como estando em risco de desenvolver TEA e as terapias podem ser iniciadas imediatamente. Isso ajudaria a criança a desenvolver habilidades para otimizar sua comunicação e aprendizagem."
As crianças no estudo foram recrutadas por Laura Hewitson, Ph.D., e Morgan Devlin no The Johnson Center for Child Health & Development, um centro de tratamento multidisciplinar em Austin, Texas, que usa uma combinação única de atendimento clínico, pesquisa e educação para aprofundar a compreensão do TEA e transtornos de desenvolvimento relacionados. Hewitson observou que, "Quanto mais cedo pudermos identificar crianças com autismo, mais compreensão podemos obter sobre as maneiras de fornecer suporte e terapias que irão melhorar sua qualidade de vida."
Outros pesquisadores que contribuíram para este projeto foram Jeon Lee, Ph.D., e Jeremy Mathews do Departamento de Bioinformática Lyda Hill da UT Southwestern, e Claire Schutte do The Johnson Center.
O estudo foi financiado por uma bolsa para Hewitson da Fundação Ted Lindsay, cuja missão é apoiar a pesquisa e programas educacionais com foco na causa e gestão de ASD.
Fonte da história:
Materiais fornecidos pelo UT Southwestern Medical Center . Nota: o conteúdo pode ser editado quanto ao estilo e comprimento.
Referência do jornal :
- Laura Hewitson, Jeremy A. Mathews, Morgan Devlin, Claire Schutte, Jeon Lee, Dwight C. German. Descoberta de biomarcador sanguíneo para transtorno do espectro do autismo: uma análise proteômica . PLOS ONE , 2021; 16 (2): e0246581 DOI: 10.1371 / journal.pone.0246581
Cite esta página :
UT Southwestern Medical Center. "Os pesquisadores usam o aprendizado de máquina para identificar biomarcadores sanguíneos do autismo." ScienceDaily. ScienceDaily, 25 de fevereiro de 2021.