IA é aplicada como aliada para a edição genética com alta precisão

Há alguns anos, a invenção da tecnologia CRISPR/Cas promoveu uma revolução no mundo da biologia. Este método permite editar o código que compõe os genes com uma precisão inédita, possibilitando a realização de pesquisas e o desenvolvimento de aplicações inovadoras. Para atingir tamanha eficiência, o sistema CRISPR deve se ligar à sequência exata do DNA que se deseja editar. Algum tempo depois, apareceu também uma ferramenta para a edição de moléculas de RNA. O RNA é o código genético de muitos vírus, e nas nossas células ele age como intermediário entre o DNA e a atividade celular. Geralmente composto por sequências mais curtas e de menor duração, essas moléculas costumam acumular mutações, o que torna o trabalho do sistema CRISPR mais difícil. Na prática, esta dificuldade é traduzida por uma menor eficiência do processo de edição de RNA, além da ocorrência de edições indesejadas.

Visando aumentar a aplicabilidade da tecnologia, pesquisadores da Universidade de Nova York e do Centro Genômico de Nova York desenvolveram uma inteligência artificial capaz de prever com quais moléculas de RNA um sistema CRISPR iria se ligar. O algoritmo foi treinado com dados obtidos de ensaios de atividade de edição tendo como alvo cerca de 200 mil moléculas de RNA humano. Batizado de TIGER (Targeted Inhibition of Gene Expression via guide RNA design), o modelo foi capaz de prever os resultados de edição tanto nas moléculas desejadas quando naquelas inespecíficas, superando os outros métodos de predição disponíveis.

Além de evidenciar quais moléculas seriam o alvo de um sistema CRISPR específico, o trabalho envolveu técnicas de interpretação dos resultados, de forma que também é possível entender porque um sistema funciona bem ou não para determinada atividade de edição. Outra possibilidade é desenvolver sistemas que editem somente parte das moléculas de RNA, modulando a atividade celular que essas moléculas geralmente realizam. Na prática, é como usar um botão de volume na expressão de um gene.

Este trabalho, publicado no início do mês, é uma interessante parceria entre duas tecnologias recentes e inovadoras: de um lado as técnicas de machine learning, de outro os métodos de edição de material genético. Os pesquisadores comentam que estudos envolvendo moléculas de DNA e RNA são muito promissores para a aplicação de algoritmos, já que hoje as técnicas de sequenciamento permitem a geração rápida e barata de uma coleção gigantesca de dados.

Se o trabalho der frutos, novos sistemas de CRISPR podem ser desenvolvidos para, por exemplo, combater infecções virais e tratar doenças caracterizadas pela presença de muitas cópias de um mesmo gene.