por Aaron Khemchandani
7 OCTOBER 2022 - Pela primeira vez, uma equipe
de cientistas do Texas usou uma nova abordagem de genômica funcional
para identificar e validar um conjunto de genes que podem afetar
significativamente a progressão da doença de Parkinson (DP). A
pesquisa, publicada na semana passada na revista Human MolecularGenetics, pode nos ajudar a desvendar vários mistérios de longa
data em torno da doença e, em última análise, mudar radicalmente
as maneiras pelas quais estudamos as condições
neurodegenerativas.
Os mistérios do nosso genoma
Muitos
distúrbios neurodegenerativos, incluindo a DP, são causados por
fatores ambientais, bem como por combinações de mutações
poligênicas – mutações em vários genes. Identificar os
componentes genéticos envolvidos na progressão da DP é crucial
para entender os meandros desta doença, mas ainda estamos muito
longe de descobrir todo o espectro de genes que contribuem para a
doença. No entanto, esta pesquisa pode mudar isso.
Cientistas
do Instituto de Pesquisa Neurológica Jan e Dan Duncan do Hospital
Infantil do Texas e do Baylor College of Medicine desenvolveram um
método multidisciplinar de identificação de genes que combina
estratégias biológicas computacionais e in vivo. Ao aplicar essa
metodologia em um modelo animal, a equipe conseguiu rastrear e
validar funcionalmente muitos genes associados à DP em um curto
período de tempo, identificando recentemente 50 genes que poderiam
modular a patologia da doença.
Melhor, mais rápido, mais
forte
Durante a maior parte de duas décadas, os estudos de
associação genômica ampla (GWAS - genome-wide association studies)
têm sido o principal método usado para analisar um grande número
de genomas e escolher as variabilidades genéticas comuns
correlacionadas com o aumento do risco de distúrbios
neurodegenerativos complexos. No entanto, embora este método seja
eficaz na identificação de associações específicas, mais estudos
em células cultivadas ou modelos animais são necessários para
determinar o papel funcional dessas variantes na patogênese da
doença. Além disso, ambos os processos são relativamente
ineficientes e complicados, particularmente para uma doença
poligênica como a DP.
Nos últimos anos, uma nova técnica
conhecida como estudos de associação ampla do transcriptoma (TWAS -
transcriptome-wide association studies) foi introduzida, que – ao
contrário do GWAS – identifica associações entre os níveis de
expressão gênica e a patogênese da doença, em vez de apenas
revelar as variações específicas envolvidas. Ao combinar GWAS e
TWAS em uma análise de várias etapas, os pesquisadores conseguiram
identificar 160 genes candidatos que pareciam corresponder à
patologia da DP.
A equipe então realizou análises
computacionais complementares para reduzir esse número para 81,
antes de finalmente aplicar os dados a algoritmos computacionais e
realizar mais experimentos em modelos animais de moscas-das-frutas.
Eles identificaram o envolvimento funcional de 50 genes de risco de
DP, bem como 14 genes potencialmente protetores, abrindo mais
caminhos para o estudo de novas terapêuticas.
A utilização
combinada de GWAS, TWAS e algoritmos computacionais em uma única
triagem é muito mais eficiente em comparação com a implementação
única de GWAS ou TWAS. Portanto, este novo método de análise
genética integrada pode dar uma contribuição pronunciada para a
forma como os cientistas conduzem pesquisas futuras.
Uma fonte
de esperança para milhões
Atualmente, mais de 10 milhões de
pessoas vivem com DP em todo o mundo, e a prevalência dessa condição
dobrou nos últimos 25 anos. A incapacidade e a mortalidade devido à
doença também estão aumentando, e é por isso que pesquisas como
essa são vitais. Essas técnicas emergentes podem aprofundar
significativamente nossa compreensão genética da DP, fornecendo a
chave de que precisamos para desbloquear uma ampla gama de terapias
eficazes – não apenas para essa condição, mas para uma série de
distúrbios genéticos. Original em inglês, tradução Google,
revisão Hugo. Fonte: Front line genomics.
Nenhum comentário:
Postar um comentário