Investigadores da Universidade de Harvard e do Hospital Geral de Massachusetts desenvolveram um modelo de inteligência artificial capaz de prever e desenhar enzimas CRISPR-Cas9 personalizadas, abrindo caminho para terapias genéticas mais precisas e eficazes.
Num avanço promissor para a edição genética, uma equipa de investigadores norte-americanos conseguiu usar machine learning (aprendizagem automática) para criar enzimas CRISPR-Cas9 adaptadas a diferentes doenças genéticas, tornando os tratamentos mais seguros e eficazes. Estas enzimas personalizadas conseguem reconhecer regiões específicas do ADN, evitando alterações indesejadas – um dos maiores desafios da edição genética.
O estudo, publicado na revista Nature (Custom CRISPR-Cas9 PAM variants via scalable engineering and machine learning), mostrou que este novo método consegue prever o comportamento de milhões de variantes da enzima Cas9, escolhendo as mais eficazes e precisas para atuar como “tesouras genéticas”. Com isso, abre-se a porta para terapias direcionadas a mutações específicas, como é o caso de uma forma hereditária de cegueira que os cientistas já conseguiram editar em células humanas e em ratinhos.
Além disso, os autores tornaram o modelo disponível online, facilitando o acesso a esta ferramenta. Investigadores em todo o mundo podem agora utilizá-la para desenhar as suas próprias enzimas Cas9 adaptadas às suas necessidades específicas, seja em investigação básica ou na criação de futuras terapias genéticas.por parte de investigadores em todo o mundo.
CRISPR-Cas9
A técnica CRISPR-Cas9 é conhecida como uma “tesoura genética” que permite cortar e modificar o ADN em locais específicos. No entanto, uma das limitações da versão tradicional é a necessidade de uma sequência específica chamada PAM (motivo adjacente ao protospacer), o que restringe os locais onde o corte pode acontecer. Isto nem sempre permite tratar mutações genéticas raras ou em regiões menos acessíveis do genoma.
Para ultrapassar esse obstáculo, os cientistas de Harvard e do Hospital Geral de Massachusetts recorreram a inteligência artificial para desenhar variantes da enzima Cas9 com diferentes preferências por sequências PAM. Assim, conseguem adaptar a ferramenta a alvos genéticos mais difíceis e com menor risco de afetar outras zonas do ADN por engano – o chamado efeito “off-target”.
Milhões de enzimas analisadas por computador
A equipa criou um modelo chamado PAMmla, que combina engenharia de proteínas com machine learning. Com ele, analisaram o comportamento de milhões de variantes da enzima Cas9 em laboratório e treinaram o sistema para prever quais as combinações mais eficazes.
“Esta abordagem permite-nos desenhar enzimas à medida, de forma escalável e precisa. É uma revolução na forma como podemos tratar doenças genéticas raras”, explicou Rachel Silverstein, primeira autora do estudo.
Num dos exemplos testados, os investigadores usaram uma enzima personalizada para atacar uma mutação genética associada à retinite pigmentosa, uma doença ocular hereditária que pode levar à perda de visão. Os resultados foram positivos tanto em células humanas como em modelos animais.
O futuro da edição genética
Os autores destacam que esta metodologia pode ser aplicada a outras enzimas usadas em ferramentas genéticas de nova geração, como os base editors (editores de bases) e os prime editors (editores de precisão). Isto pode acelerar o desenvolvimento de terapias personalizadas para um leque cada vez maior de doenças.
Além disso, como as previsões computacionais são mais rápidas e menos dispendiosas do que os métodos tradicionais de laboratório, este tipo de abordagem pode democratizar o acesso a tecnologias de ponta na investigação genética.
“O nosso objetivo a longo prazo é criar um verdadeiro arsenal de enzimas genéticas à medida, usando a inteligência artificial como motor de inovação”, afirmou Silverstein.
Leia o estudo na Nature.