Um novo estudo descobriu que a evolução biológica não é tão imprevisível quanto se pensava anteriormente, o que pode permitir que os cientistas explorem quais genes podem ser úteis para lidar com questões do mundo real, como resistência a antibióticos, doenças e mudanças climáticas.
O estudo, publicado na revista Proceedings of the National Academy of Sciences (PNAS), desafia a crença de longa data sobre a imprevisibilidade da evolução biológica e mostra que a trajetória evolutiva de um genoma pode ser influenciada por sua história evolutiva, em vez de ser determinada por numerosos fatores e acidentes históricos.
O estudo foi conduzido pelo professor James McInerney e pelo Dr. Alan Beavan, da Escola de Ciências da Vida da Universidade de Nottingham, e pela Dra. Maria Rosa Domingo-Sananes, da Universidade Trent de Nottingham.
“As implicações desta pesquisa são nada menos que revolucionárias”, disse o professor McInerney, autor principal do estudo. “Ao demonstrar que a evolução não é tão aleatória quanto pensávamos, abrimos as portas para uma série de possibilidades na biologia sintética, medicina e ciências ambientais.”
A equipe realizou uma análise do pangenoma – o conjunto completo de genes de uma espécie específica – para responder à questão crítica de se a evolução biológica é previsível ou se os caminhos evolutivos dos genomas dependem de sua história e, portanto, não são previsíveis atualmente.
Usando uma abordagem de aprendizado de máquina conhecida como Floresta Aleatória (Random Forest), juntamente com um conjunto de dados de 2.500 genomas completos de uma única espécie bacteriana, a equipe realizou várias centenas de milhares de horas de processamento computacional para abordar a questão.
Após inserir os dados em seu computador de alto desempenho, a equipe criou “famílias de genes” a partir de cada um dos genes de cada genoma.
“Dessa forma, conseguimos comparar o que é semelhante através dos genomas”, disse a Dra. Domingo-Sananes.
Depois de identificar as famílias, a equipe analisou o padrão de presença dessas famílias em alguns genomas e ausência em outros.
“Descobrimos que algumas famílias de genes nunca aparecem em um genoma quando uma família de genes específica já está presente e, em outras ocasiões, alguns genes dependiam muito da presença de uma família de genes diferente.”
Efetivamente, os pesquisadores descobriram um ecossistema invisível onde os genes podem cooperar ou estar em conflito entre si.
“Essas interações entre genes tornam aspectos da evolução um tanto previsíveis e, além disso, agora temos uma ferramenta que nos permite fazer essas previsões”, acrescentou a Dra. Domingo-Sananes.
O Dr. Beavan disse: “Com este trabalho, podemos começar a explorar quais genes ‘apoiam’ um gene de resistência a antibióticos, por exemplo. Assim, se estamos tentando eliminar a resistência a antibióticos, podemos mirar não apenas no gene principal, mas também nos seus genes de apoio.”
“Podemos usar essa abordagem para sintetizar novos tipos de construções genéticas que podem ser usadas para desenvolver novos medicamentos ou vacinas. Saber o que sabemos agora abre as portas para uma série de outras descobertas”, completa o pesquisador.
As implicações da pesquisa são amplas e podem levar a:
- Desenvolvimento de genomas inovadores: permitindo que cientistas projetem genomas sintéticos e forneçam um roteiro para a manipulação previsível do material genético.
- Combate à resistência a antibióticos: entender as dependências entre os genes pode ajudar a identificar o ‘elenco de apoio’ de genes que tornam a resistência a antibióticos possível, abrindo caminho para tratamentos direcionados.
- Mitigação das mudanças climáticas: os insights do estudo podem retroalimentar o projeto de microrganismos desenvolvidos para capturar carbono ou degradar poluentes, contribuindo assim para os esforços de combate às mudanças climáticas.
- Aplicações médicas: a previsibilidade das interações gênicas pode revolucionar a medicina personalizada, fornecendo novas métricas para o risco de doenças e a eficácia do tratamento.
O estudo completo pode ser encontrado aqui.
O artigo foi publicado originalmente por Charlotte Anscombe na University of Nottingham.
