Un algoritmo matemático destapa las huellas del Autismo

El artículo original en inglés está disponible Aquí

El Autismo se define en base a una amplia variedad de síntomas del comportamiento, pero es precisamente esta variación – junto con un fondo genético complejo – lo que hace que sea difícil conectar el comportamiento a los genes subyacentes. (1,2)

Un nuevo algoritmo puede hacer este reto un poco más fácil de resolver. El algoritmo, que emplea una forma de inteligencia artificial aprende como va, analiza datos conductuales y ha aprendido a reconocer seis trastornos genéticos asociados con el autismo, según una investigación publicada el 11 de febrero en el la revista Molecular Autism.(3)

Los investigadores esperan usar estas firmas del comportamiento para afinar su búsqueda de las bases genéticas de ‘autismo idiopático’, para los que no hay ninguna causa conocida.

“Había una forma de asumir que los factores de riesgo genéticos probablemente conducen a un conjunto de fenotipos conductuales distinguibles, pero muchos investigadores nunca habían comprobado formalmente esa propuesta anteriormente”, dice investigador Patrick Bolton, profesor de psiquiatría infantil y adolescente en el Kings College de Londres. “Esa fue la motivación para este proyecto”.

Estudios previos han buscado maneras en que diferentes síndromes pueden provenir de las vías moleculares o neurológicas compartidas, pero no mostraron ningún consenso claro sobre cómo hacerlo.(4)

La nueva técnica de aprendizaje robotizada, llamada vector de soporte, realiza un cribado, a través de grandes volúmenes de datos, para encontrar patrones identificables que pueden utilizarse para subdividir un grupo de personas. El sistema a través de los datos médicos de individuos diagnosticados con uno de los seis desórdenes genéticos vinculados al autismo: Síndrome de deleción del 22q11.2 (también llamado síndrome de DiGeorge), Síndrome de Down, Síndrome de Prader-Willi, Esclerosis tuberosa, Síndrome de Klinefelter y Cromosoma 15 isodicéntrico o idic (15), que es causado por una duplicación de un segmento del cromosoma 15.

El método fue capaz de identificar firmas conductuales específicas para cada síndrome. Para ello construyó un algoritmo que puede encontrar los mismos tipos de firmas en los datos del comportamiento de las personas con autismo idiopático.

Los investigadores probaron su algoritmo en tres muestras con un total de 1.261 individuos con autismo y encontraron instancias de todas las seis firmas.

“Lo que me parece más impresionante acerca de este estudio es que está ampliando su clasificación para el autismo idiopático y que está mostrando estas firmas”, dice Dennis Wall, profesor asociado de Pediatría de la Universidad de Stanford, que ha utilizado el robot de aprendizaje para desarrollar herramientas de diagnóstico de autismo, aunque no estuvo involucrado en esta investigación.

“Sugiere que podría ser capaz de usar esto, o métodos como éste, para encontrar una firma de correlación genotipo-fenotipo que puede actuar como una fuerza gravitacional para dar sentido a lo que actualmente es un cuadro muy heterogéneo y complejo” dice Dennis Wall.

Exponer patrones:

Los resultados del estudio son preliminares, pero ofrecen la prueba de concepto de que el método puede vincular cierto comportamiento, o un fenotipo, a una específica estructura genética o genotipo. Las firmas del comportamiento compartidas pueden indicar caminos de genes compartidos que conducen a los comportamientos, que a su vez podrían hacer alusión a la causa del autismo.

“El poder de aprendizaje automático del sistema vector de soporte es que puede encontrar patrones ocultos, es decir, patrones que no fueron detectados por análisis estadístico sin supervisión convencional” afirma Hilgo Bruining, profesor asistente de psiquiatría infantil y adolescente de la Universidad de Utrecht, quien también dirigió el estudio.

Los investigadores planean tamizar grandes conjuntos de datos conductuales y genéticos de las personas con autismo idiopático. Si el algoritmo puede identificar nuevas firmas del comportamiento entre estos conjuntos de datos, puede ser capaz de dividir en subgrupos de autismo y concentrarse en las áreas del genoma responsable de los subtipos del trastorno.

No obstante, algunos expertos llaman a la precaución con esta línea de razonamiento.

“Mientras que debería haberse esperado que los fenotipos del autismo podrían estar separados alrededor de un conjunto diverso de lesiones genéticas, la sugerencia de que estos resultados significan diferentes tipos de autismo es una exageración” dice Valsamma Eapen, profesor de psiquiatría infantil y adolescente de la Universidad de New South Wales en Australia, quien no en participó en el estudio.

Para su estudio, los investigadores analizaron datos del comportamiento de los registros médicos de 322 personas en el centro médico universitario de Utrecht en Holanda y el Instituto de psiquiatría en el Kings College de Londres. Subgrupos diagnosticados con cada uno de los seis síndromes ligados al autismo, comprendidos entre 21 y 90 personas.

En particular, los investigadores trabajan con datos de 37 comportamientos, incluyendo rituales verbales, imaginativos y preocupaciones inusuales, en su sistema.

En la tarea de distinguir entre los seis síndromes, el algoritmo identificó correctamente un síndrome de su comportamiento a partir de su firma el 63% de las veces.

“Sesenta y tres por ciento es un poco bajo, pero no se pretende que sea algo absoluto” dice Wall.

El algoritmo fue más preciso cuando se comparan dos síndromes de forma simultánea. Por ejemplo, podría distinguir el síndrome de deleción 22q11.2 del Cromosoma 15 isodicéntrico con un 97% de precisión, su mejor rendimiento. Ha ido peor cuando se trata de distinguir el síndrome de Down de otros cinco trastornos.

Para probar el algoritmo en los casos de autismo, los investigadores contemplan datos conductuales de 1.261 personas seleccionadas en el intercambio de autismo de investigación genética (AGRE). Sin embargo, estos datos no incluyen información sobre si las personas son diagnosticadas con uno de los seis síndromes, así que el algoritmo sólo puede generar una probabilidad de que cada identificación es correcta.

Dentro de la primera muestra de 375 personas de AGRE, el algoritmo clasifica a 255 personas, con la firma del comportamiento del complejo de esclerosis tuberosa, con una probabilidad del 61 por ciento de que este análisis es correcto. Las cifras de los otros síndromes son más bajos, con varios de ellos en el rango del 40 por ciento y el síndrome de Down, una vez más la más baja, a 25 por ciento de probabilidades de exactitud.

Los investigadores repitieron luego la prueba con dos conjuntos de 443 personas cada uno, produciendo resultados similares.

En general, se suele decir, el patrón de dificultades sociales es el más útil para ayudar a identificar los síndromes. Esto sugiere que el deterioro social, como la evitación social extrema se observa en las personas con síndrome de X frágil , puede estar relacionado con determinados factores de riesgo genéticos, afirman los investigadores.

Eapen dice que espera ver estudios en que la causa de los desórdenes y los mecanismos subyacentes se caractericen mejor.

“En estos síndromes de supresión, nadie está seguro de que los genes están ligados al autismo y cómo repercute en el tamaño de las manifestaciones y duplicaciones de genes o fenotipos”, señala Eapen. “Este estudio es el escenario para ver más de cerca al diagnóstico en cohortes de selección basado en una lesión genética.”

Bibliografía:

1. Eapen V. et al. Front. Hum. Neurosci. 7, 567 (2013) PubMed
2. McCray A.T. et al. Neuroinform. Epub ahead of print (2013) PubMed
3. Bruining H. et al. Mol. Autism 5, 11 Epub ahead of print (2014) PubMed
4. Zafeiriou D.I. et al. Am. J. Med. Genet. B Neuropsychiatr. Genet. 162B, 327-366 (2013) PubMed

Las noticias y artículos de opinión que aparecen en SFARI.org son editorialmente independiente de la Fundación Simons.
©Fundación Simons y autores, todos los derechos reservados.
©Traducción Autismo Diario
Este artículo no puede ser reproducido ni copiado sin autorización expresa.