Novos Métodos para Estudos de Associação Genética Usando Imagem Ocular

Os cientistas estão tentando entender como nossos genes afetam nossa saúde. Um jeito de fazer isso é através de algo chamado estudos de associação genômica ampla (GWAS). Esses estudos analisam os genes de muitas pessoas pra encontrar ligações entre Marcadores Genéticos específicos e características, como o funcionamento do nosso corpo ou como pegamos doenças. Mas, a maioria desses estudos foca em características que foram escolhidas previamente por especialistas. Isso pode gerar lacunas no conhecimento, porque essas características escolhidas podem não capturar todas as complexidades da saúde humana.

A imagem médica, tipo os exames dos olhos, guarda muita informação que os pesquisadores podem usar pra descobrir novas características. Com o avanço da tecnologia, as técnicas de imagem modernas conseguem mostrar imagens detalhadas do nosso corpo. Enquanto alguns estudos usaram imagens pra procurar vínculos genéticos, eles costumam depender de características definidas por especialistas. Recentemente, métodos de inteligência artificial (IA), especialmente Aprendizado Profundo, têm sido usados pra gerar automaticamente novas características a partir de imagens. Mas essas técnicas de IA ainda dependem de características definidas por especialistas, o que limita a capacidade delas de revelar novas informações.

O desafio é que os especialistas humanos podem deixar passar detalhes importantes nessas imagens. Por exemplo, um modelo de aprendizado profundo criado pelo Google conseguiu identificar características como idade e hábitos de fumar em imagens dos olhos que os avaliadores humanos não conseguiam ver facilmente. Isso mostra que pode haver informações valiosas escondidas nos dados de imagem que ainda não exploramos.

#Uma Nova Abordagem: GWAS Baseado em Imagens Não Supervisionadas

Pra resolver esse problema, foi desenvolvida uma nova metodologia chamada estudos de associação genômica ampla baseados em imagens não supervisionadas (iGWAS). Em vez de depender de características definidas por especialistas, esse método usa um modelo de aprendizado profundo pra examinar imagens e capturar automaticamente suas características importantes. Essas características, conhecidas como Endofenótipos, podem ser usadas pra encontrar vínculos genéticos.

Nesse estudo, os pesquisadores focaram em imagens da retina tiradas dos olhos das pessoas. Eles usaram imagens coloridas cruas e imagens mostrando os Vasos Sanguíneos pra criar endofenótipos que capturam as características da retina. Os vasos sanguíneos são particularmente úteis porque sua estrutura em pessoas saudáveis não muda muito ao longo do tempo, tornando-os um bom alvo pra estudar associações genéticas. Problemas com esses vasos podem levar a doenças como retinopatia diabética.

Os pesquisadores criaram um modelo de aprendizado profundo especializado que consegue pegar essas imagens e produzir 128 endofenótipos que representam o conteúdo da imagem. Esse modelo foi treinado em um grande conjunto de dados de imagens de alta qualidade dos olhos. Depois de construir o modelo, eles geraram endofenótipos a partir de mais de 130 mil imagens de participantes britânicos. Em seguida, eles realizaram GWAS pra identificar marcadores genéticos ligados a esses novos endofenótipos.

#Processamento de Imagens e Desenvolvimento do Modelo

O método iGWAS consiste em duas etapas principais. Primeiro, os pesquisadores treinam um modelo usando um conjunto de imagens pra criar uma rede neural que identifica características inerentes nessas imagens. A segunda etapa envolve usar esse modelo treinado pra gerar endofenótipos de outro conjunto de imagens que também têm dados genéticos.

Nesse estudo, os pesquisadores coletaram um grande conjunto de dados de imagens dos olhos e seus dados genéticos do UK Biobank. Eles começaram processando as imagens pra garantir qualidade. Depois, passaram essas imagens pelo modelo pra gerar os endofenótipos, que foram analisados pra associações com informações genéticas.

#Resultados e Descobertas

O estudo revelou várias descobertas interessantes relacionadas aos fatores genéticos ligados aos novos endofenótipos derivados das imagens dos olhos. Por exemplo, eles identificaram milhares de marcadores genéticos relacionados aos endofenótipos tanto das imagens cruas quanto das imagens segmentadas dos vasos. Os sinais de associação foram agrupados em vários locos genéticos independentes, indicando regiões no genoma que podem ser importantes pra saúde da retina.

Os pesquisadores também analisaram especificamente como a cor da retina, influenciada pela genética, se relaciona com a saúde geral. Ao analisar a cor da retina, eles encontraram links genéticos adicionais que se sobrepõem a associações conhecidas para a cor da pele e do cabelo. Isso sugere que os genes que influenciam a pigmentação podem também afetar a cor da retina.

#Análises de Correlação Genética

Pra entender melhor os endofenótipos, os pesquisadores correlacionaram eles com outras características conhecidas relacionadas à saúde ocular. Eles descobriram que muitos dos endofenótipos estavam associados a características como pigmentação da pele e outras condições oculares. Essa correlação fornece mais contexto pra entender como diferentes características podem estar interconectadas.

#Validação de Genes Candidatos

Pra validar ainda mais suas descobertas, os pesquisadores focaram em um gene específico identificado nas análises, o WNT7B, que tem sido ligado ao desenvolvimento dos vasos sanguíneos. Eles conduziram experimentos em camundongos pra ver como a redução desse gene afetaria a formação de vasos sanguíneos na retina. Os resultados demonstraram que o WNT7B desempenha um papel significativo no desenvolvimento normal dos vasos sanguíneos no olho.

#Conclusão

Esse estudo apresenta uma abordagem nova pra descobrir novas características e entender as influências genéticas na saúde, utilizando métodos de aprendizado não supervisionados para análise de imagens. A estrutura permite que os pesquisadores extraíam características significativas de imagens sem as limitações das características definidas por especialistas. Isso pode aprimorar a compreensão de várias condições de saúde e melhorar o desenvolvimento de tratamentos direcionados.

As implicações dessa pesquisa vão além da saúde ocular, já que os métodos desenvolvidos podem ser aplicados a outras áreas da medicina onde a imagem desempenha um papel crítico. Com o poder dos grandes dados e técnicas avançadas de IA, há um futuro promissor para descobrir novos insights relacionados à saúde através da imagem.