Cr\u00e9dito: CC0 Public Domain <\/p>\n
Hist\u00f3ricamente, las poblaciones minoritarias han estado subrepresentadas en los estudios existentes que abordan c\u00f3mo las variaciones gen\u00e9ticas pueden contribuir a una variedad de trastornos. Un nuevo estudio de investigadores del Children’s Hospital of Philadelphia (CHOP) muestra que un modelo de aprendizaje profundo tiene una precisi\u00f3n prometedora cuando ayuda a diagnosticar una variedad de trastornos de salud mental comunes en pacientes afroamericanos. Esta herramienta podr\u00eda ayudar a distinguir entre trastornos, as\u00ed como a identificar m\u00faltiples trastornos, fomentando una intervenci\u00f3n temprana con mayor precisi\u00f3n y permitiendo que los pacientes reciban un enfoque m\u00e1s personalizado de su condici\u00f3n. El estudio fue publicado recientemente por la revista Molecular Psychiatry. <\/p>\n
Diagnosticar correctamente los trastornos mentales puede ser un desaf\u00edo, especialmente para los ni\u00f1os peque\u00f1os que no pueden completar cuestionarios o escalas de calificaci\u00f3n. Este desaf\u00edo ha sido particularmente agudo en las poblaciones minoritarias poco estudiadas. La investigaci\u00f3n gen\u00f3mica anterior ha encontrado varias se\u00f1ales gen\u00f3micas para una variedad de trastornos mentales, y algunas sirven como posibles objetivos terap\u00e9uticos de f\u00e1rmacos. Los algoritmos de aprendizaje profundo tambi\u00e9n se han utilizado para diagnosticar con \u00e9xito enfermedades complejas como el trastorno por d\u00e9ficit de atenci\u00f3n con hiperactividad (TDAH). Sin embargo, estas herramientas rara vez se han aplicado en grandes poblaciones de pacientes afroamericanos.<\/p>\n
En un estudio \u00fanico, los investigadores generaron datos de secuenciaci\u00f3n del genoma completo de 4179 muestras de sangre de pacientes afroamericanos, incluidos 1384 pacientes que ten\u00edan sido diagnosticado con al menos un trastorno mental Este estudio se centr\u00f3 en ocho trastornos mentales comunes, incluidos el TDAH, la depresi\u00f3n, la ansiedad, el trastorno del espectro autista, las discapacidades intelectuales, el trastorno del habla\/lenguaje, los retrasos en el desarrollo y el trastorno negativista desafiante (ODD). El objetivo a largo plazo de este trabajo es obtener m\u00e1s informaci\u00f3n sobre los riesgos espec\u00edficos de desarrollar ciertas enfermedades en las poblaciones afroamericanas y c\u00f3mo mejorar potencialmente los resultados de salud centr\u00e1ndose en enfoques de tratamiento m\u00e1s personalizados.<\/p>\n
\u00abLa mayor\u00eda de los estudios se centran solo en una enfermedad, y las poblaciones minoritarias han estado muy poco representadas en los estudios existentes que utilizan el aprendizaje autom\u00e1tico para estudiar los trastornos mentales\u00bb, dijo el autor principal Hakon Hakonarson, MD, Ph.D., director del Centro de Gen\u00f3mica Aplicada de CHOP. \u00abQuer\u00edamos probar este modelo de aprendizaje profundo en una poblaci\u00f3n afroamericana para ver si pod\u00eda diferenciar con precisi\u00f3n a los pacientes con trastornos mentales de los controles sanos y si pod\u00edamos etiquetar correctamente los tipos de trastornos, especialmente en pacientes con m\u00faltiples trastornos\u00bb.<\/p>\n
El algoritmo de aprendizaje profundo busc\u00f3 la carga de variantes gen\u00f3micas en regiones codificantes y no codificantes del genoma. El modelo demostr\u00f3 una precisi\u00f3n de m\u00e1s del 70 % para distinguir a los pacientes con trastornos mentales del grupo de control. El algoritmo de aprendizaje profundo fue igualmente efectivo en el diagn\u00f3stico de pacientes con m\u00faltiples trastornos, y el modelo brind\u00f3 coincidencias diagn\u00f3sticas exactas en aproximadamente el 10 % de los casos.<\/p>\n
El modelo tambi\u00e9n identific\u00f3 con \u00e9xito m\u00faltiples regiones gen\u00f3micas que estaban altamente enriquecidas para los trastornos mentales , lo que significa que era m\u00e1s probable que estuvieran involucrados en el desarrollo de estos trastornos m\u00e9dicos. Las v\u00edas biol\u00f3gicas implicadas inclu\u00edan las asociadas con las respuestas inmunitarias, la uni\u00f3n de ant\u00edgenos y \u00e1cidos nucleicos, una v\u00eda de se\u00f1alizaci\u00f3n de quimiocinas y receptores de prote\u00ednas de uni\u00f3n a nucle\u00f3tidos de guanina. Sin embargo, los investigadores tambi\u00e9n encontraron que las variantes en regiones que no codificaban prote\u00ednas parec\u00edan estar implicadas en estos trastornos con mayor frecuencia, lo que significa que pueden servir como marcadores alternativos.<\/p>\n
\u00abAl identificar variantes gen\u00e9ticas y asociados v\u00edas, la investigaci\u00f3n futura destinada a caracterizar su funci\u00f3n puede proporcionar una visi\u00f3n mec\u00e1nica de c\u00f3mo se desarrollan estos trastornos\u00bb, dijo Hakonarson. <\/p>\n
Explore m\u00e1s<\/p>\n
El estudio de TDAH revela diferencias gen\u00e9ticas \u00fanicas en pacientes afroamericanos M\u00e1s informaci\u00f3n:<\/strong> Yichuan Liu et al, La aplicaci\u00f3n de un algoritmo de aprendizaje profundo en datos de secuenciaci\u00f3n del genoma completo descubre variantes estructurales asociadas con m\u00faltiples trastornos mentales en pacientes afroamericanos, Psiquiatr\u00eda Molecular (2022). DOI: 10.1038\/s41380-021-01418-1 Informaci\u00f3n de la revista:<\/strong> Molecular Psychiatry <\/p>\n Proporcionado por Children’s Hospital of Philadelphia Cita<\/strong>: Uso del aprendizaje profundo para encontrar causas gen\u00e9ticas de trastornos de salud mental en una poblaci\u00f3n poco estudiada (2022, 1 de febrero) recuperado el 29 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2022-02-deep-genetic-mental-health-disorders.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Cr\u00e9dito: CC0 Public Domain Hist\u00f3ricamente, las poblaciones minoritarias han estado subrepresentadas en los estudios existentes que abordan c\u00f3mo las variaciones gen\u00e9ticas pueden contribuir a una variedad de trastornos. Un nuevo estudio de investigadores del Children’s Hospital of Philadelphia (CHOP) muestra que un modelo de aprendizaje profundo tiene una precisi\u00f3n prometedora cuando ayuda a diagnosticar una … Continuar leyendo \u00abUso del aprendizaje profundo para encontrar causas gen\u00e9ticas de trastornos de salud mental en una poblaci\u00f3n poco estudiada\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-9378","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/9378","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=9378"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/9378\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=9378"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=9378"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=9378"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}