O RNA é expelido das células por meio da morte celular ou liberação ativa, e pode então encontrar seu caminho para o plasma sanguíneo. Uma colaboração liderada pela Cornell University desenvolveu modelos de aprendizado de máquina que usam esses resíduos moleculares de RNA livres de células para diagnosticar condições inflamatórias pediátricas que são difíceis de diferenciar.
A ferramenta de diagnóstico pode determinar com precisão se um paciente tem doença de Kawasaki (KD), síndrome inflamatória multissistêmica em crianças (MIS-C), uma infecção viral ou bacteriana, ao mesmo tempo em que monitora a saúde dos órgãos do paciente.
Doenças inflamatórias são uma ameaça particular para crianças porque os sintomas — como febre e erupção cutânea — são genéricos, e os pacientes frequentemente são diagnosticados incorretamente. Se não for tratada adequadamente, a MIS-C pode causar inchaço no coração, pulmões, cérebro e outros órgãos. Da mesma forma, a KD — a principal causa de doença cardíaca adquirida em crianças — pode levar a aneurismas cardíacos e ataque cardíaco. Um teste baseado em RNA livre de células seria a primeira ferramenta de diagnóstico molecular que os clínicos podem usar para detectar essas condições inflamatórias no estágio inicial crucial em crianças.
O artigo da equipe foi publicado em Anais da Academia Nacional de Ciências. A equipe de Cornell foi liderada por Iwijn De Vlaminck, professor associado de engenharia biomédica e coautor sênior do artigo. O autor principal é Conor Loy, atualmente um Ignite Fellow para New Ventures.
As descobertas decorrem de uma colaboração anterior que começou há quatro anos e usou sequenciamento de última geração para caracterizar os casos graves de COVID-19 e MIS-C em crianças que aumentaram durante a pandemia. Inicialmente, De Vlaminck e Loy estavam focados no potencial de usar DNA livre de células para investigar as doenças, mas eles se viram cada vez mais interessados no RNA livre de células, devido ao rico conteúdo de informações que ele fornece. Embora o RNA livre de células tenha se mostrado um biomarcador eficaz para gravidez e câncer, ele não é tão bem estudado quanto o DNA livre de células.
“Quando você analisa o RNA no plasma, o que você está olhando é o RNA de células morrendo, e também o RNA que foi liberado de células em qualquer lugar do corpo”, disse Loy. “Isso lhe dá uma grande vantagem. Em condições inflamatórias, há muita morte celular. As células estão, em alguns casos, explodindo e seu RNA é liberado no plasma. Ao isolar esse RNA e sequenciá-lo, podemos descobrir biomarcadores para doenças e rastrear de onde o RNA está vindo para medir a morte celular.”
Os colaboradores estudaram 370 amostras de plasma de pacientes pediátricos com uma variedade de condições inflamatórias. A equipe converteu o RNA em DNA e, em seguida, conduziu o sequenciamento de DNA que analisou as regiões codificadoras de proteínas do genoma. Loy passou um ano experimentando algoritmos de aprendizado de máquina para encontrar assinaturas de doenças nas amostras, basicamente criando um pipeline de diferentes ferramentas para dar sentido ao RNA livre de células.
Além de desenvolver um modelo preciso para diagnóstico, os pesquisadores também demonstraram que o sequenciamento de RNA livre de células pode ser usado para quantificar lesões em tecidos e órgãos específicos, incluindo fígado, coração, endotélio, sistema nervoso e trato respiratório superior.
“Acho que muita da novidade e da inovação técnica, a engenharia, está na análise de dados”, disse De Vlaminck. “Somos capazes de quantificar quanto do RNA vem de diferentes órgãos. Quanto vem do fígado ou de células epiteliais no sistema vascular. Ao quantificar as fontes, também podemos aprender sobre processos de lesão que provavelmente são relacionados ao sistema imunológico, mas que acontecem em tecidos vascularizados.”
A pesquisa foi apoiada pelo Instituto Nacional de Saúde Infantil e Desenvolvimento Humano do NIH.
