IA decifra código genético do cérebro e revela segredos da evolução
Cientistas belgas utilizaram modelos de deep learning para desvendar como interruptores genéticos controlam os tipos de células cerebrais em diferentes espécies. As descobertas revelam códigos regulatórios tanto conservados quanto divergentes entre aves e mamíferos, oferecendo insights sobre a evolução do cérebro e possíveis aplicações em pesquisas de doenças.
Inteligência Artificial desvendando os segredos do cérebro
Pesquisadores do VIB.AI e do Centro de Pesquisa em Cérebro e Doenças da VIB-KU Leuven, liderados pelo Prof. Stein Aerts, dedicam-se a entender os princípios fundamentais do código regulatório genético e seu impacto em doenças como câncer e distúrbios neurológicos. Eles desenvolvem métodos de deep learning para interpretar vastas quantidades de dados sobre regulação gênica obtidos de milhares de células individuais.
Aerts explica que modelos de deep learning aplicados ao código de sequência de DNA têm sido extremamente úteis para identificar mecanismos regulatórios em diferentes tipos de células. Agora, a equipe busca explorar se esse código regulatório também pode fornecer informações sobre a conservação desses tipos celulares entre espécies.
Explorando a evolução através dos códigos regulatórios
Apesar de trajetórias de desenvolvimento compartilhadas, os cérebros de mamíferos e aves apresentam neuroanatomias notavelmente distintas. A equipe de Aerts aplicou modelos de deep learning para avaliar se essas diferenças e semelhanças se refletem em códigos regulatórios compartilhados ou divergentes.
Nikolai Hecker e Niklas Kempynck, respectivamente pós-doutorando e estudante de doutorado no laboratório de Aerts, desenvolveram e implementaram modelos de machine learning para caracterizar e comparar diferentes tipos de células nos cérebros de humanos, camundongos e galinhas, abrangendo aproximadamente 320 milhões de anos de evolução. Antes de realizar comparações, eles criaram um atlas transcriptômico abrangente do cérebro da galinha para entender melhor sua composição celular.
Hecker destaca que o estudo demonstra como o deep learning pode ser utilizado para caracterizar e comparar diferentes tipos de células com base em seus códigos regulatórios. Esses códigos permitem comparar genomas de diferentes espécies, identificar quais códigos regulatórios foram preservados evolutivamente e obter insights sobre a evolução dos tipos celulares.
A equipe descobriu que, enquanto alguns códigos regulatórios de tipos celulares são altamente conservados entre aves e mamíferos, outros evoluíram de maneira distinta. Notavelmente, os códigos regulatórios de certos neurônios de aves assemelham-se aos dos neurônios das camadas profundas do neocórtex de mamíferos.
Kempynck acrescenta que analisar diretamente o código regulatório apresenta uma vantagem significativa, pois revela quais princípios regulatórios são compartilhados entre espécies, mesmo que a sequência de DNA em si tenha mudado.
Aplicações na pesquisa de doenças
As informações regulatórias obtidas são valiosas não apenas para entender a evolução, mas também para estudar doenças. Em trabalhos anteriores, Aerts e sua equipe verificaram que códigos regulatórios para estados celulares de melanoma (câncer de pele) são conservados entre mamíferos e peixes-zebra. Eles também identificaram variantes nos genomas de pacientes com melanoma. Os modelos apresentados no estudo atual sobre tipos de células cerebrais fornecem ferramentas úteis para investigar o impacto de variantes genômicas e sua associação com traços e distúrbios mentais ou cognitivos.
Aerts afirma que, em última análise, modelos que aprendem o código regulatório genômico têm o potencial de examinar genomas e investigar a presença ou ausência de tipos ou estados celulares específicos em qualquer espécie, o que seria uma ferramenta poderosa para estudar e compreender melhor doenças.
Expandindo horizontes: do zoológico ao laboratório
Aerts e sua equipe já estão aplicando seus modelos em ambas as frentes. Em colaboração com o Zoo Science and Wildlife Rescue Center, eles estão expandindo sua modelagem evolutiva para incluir cérebros de muitos outros animais: diferentes tipos de peixes, veados, ouriços e capivaras. Paralelamente, estão explorando como esses modelos de IA podem auxiliar na investigação de variações genéticas relacionadas à doença de Parkinson.
Para mais detalhes, consulte o estudo “Enhancer-driven cell type comparison reveals similarities between the mammalian and bird pallium”, publicado em 14 de fevereiro de 2025 na revista Science.
