FreepikAcaba de ser lançado um programa de computador capaz de detectar a regulação de genes, por meio do aprendizado de máquina (em inglês, machine learning), ou seja, quais fatores de transição podem ser mais frequentes em cada célula. O novo software foi desenvilvido por pesquisadores da Universidade de Illinois, em Chicago, nos Estados Unidos.
Fatores de transição são proteínas ligadas ao DNA, que determinam quais genes ativar em uma célula, o que pode contribuir para a descoberta de novos tratamentos de saúde. Porém, é difícil descobrir quais fatores estão mais ativos em um tecido, pois há centenas nas células. Se forem ativados, podem se tornar alvos de drogas, eliminando, dessa forma, o gene que causa a doença. De acordo com o professor Jalees Rehman, os mesmos genes podem estar ativos em um grupo, mas desativados em outro, no mesmo órgão.
O aplicativo se chama BITFAM, sigla para Bayesian Inference Transcription Factor Activity Model, que significa modelo de atividade do fator de transcrição de inferência Bayesiana. Sua principal atribuição é mesclar dados biológicos e perfis de expressão gênica, obtidos a partir do sequenciamento do RNA numa única célula, possibilitando simulações que levem a prever a atividade de cada proteína ligada ao DNA dentro da célula.
A criação foi testada nas células do pulmão e do coração e no tecido cerebral. O doutorando de Bioengenharia da Universidade de Illinois, Shang Gao, acrescenta que o estudo “fornece informações valiosas sobre os mecanismos reguladores de fatores de transcrição subjacentes”.
O software disponível ao público pode ser adicionado a métodos adicionais adequados para estudos que permitam buscar novos alvos para algumas drogas. Além disso, segundo o professor Yang Dai, a ferramenta pode levar a hipóteses acerca das funções biológicas das células de muitos tecidos.
Para Rehman, outra possibilidade é verificar se um fator de transição consegue distinguir entre uma resposta de célula saudável e outra afetada por doenças como a covid-19. Os resultados dessa pesquisa foram registrados na quarta-feira anterior, 30/6, e estão disponíveis neste endereço: https://genome.cshlp.org/content/31/7/1296.
