Aplicando next-generation phenotyping para priorizar pacientes com a Síndrome de Cornelia de Lange para exames adicionais e para melhorar a classificação de variantes

• Processo: 23/12833-9
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado Direto
• Data de Início da vigência: 11 de dezembro de 2023
• Data de Término da vigência: 31 de outubro de 2024
• Área de conhecimento: Ciências da Saúde - Medicina - Clínica Médica
• Pesquisador responsável: Maria Isabel de Souza Aranha Melaragno
• Beneficiário: Beatriz de Carvalho Nunes
• Supervisor: Peter M Krawitz
• Instituição Sede: Escola Paulista de Medicina (EPM). Universidade Federal de São Paulo (UNIFESP). Campus São Paulo. São Paulo , SP, Brasil
• Instituição Anfitriã: Universität Bonn, Alemanha
• Vinculado à bolsa: 22/03428-0 - Busca por variantes genéticas com potencial patogênico em pacientes com fenótipo característico de coesinopatias com enfoque na Síndrome de Cornelia de Lange, BP.DD
• Assunto(s): Doenças raras Inteligência artificial Síndrome de Cornélia de Lange Genética médica
• Palavra(s)-Chave do Pesquisador: Classificação de variantes | doenças raras | Inteligência Artificial | Next-generation phenotyping | Pacientes sem diagnóstico | síndrome de Cornelia de Lange | Genética Médica

Resumo

A Síndrome Cornelia de Lange (CdLS) é uma doença rara (DR) que afeta 1 em 45.000 a 1 em 62.000 nascidos vivos e apresenta vários fenótipos físicos, cognitivos e comportamentais. Embora os pacientes com CdLS frequentemente apresentem um fenótipo facial típico que pode ajudar na busca por um diagnóstico, alguns deles permanecem sem diagnóstico molecular por muitos anos devido a fatores como mutações em mosaico ou variantes que não podem ser confirmadas como patogênicas devido à falta de estudos funcionais e ferramentas in silico. A odisseia diagnóstica para pacientes com doenças raras pode estar relacionada a consequências financeiras e de saúde tanto para os pacientes quanto para os pais. Muitas ferramentas foram desenvolvidas nos últimos anos para acelerar esse processo e ajudar médicos e laboratórios na busca por variantes que possam explicar os fenótipos desses pacientes. A fenotipagem de próxima geração (NGP) é uma metodologia crescente que pode auxiliar na interpretação fenotípica de pacientes com DR. Portanto, este estudo tem como objetivo priorizar pacientes com CdLS que já foram submetidos a diversos exames para exames adicionais, através da realização de uma rede neural e análise de clustering com fotos de pacientes já diagnosticados molecularmente para CdLS e disponibilizando um software que possa realizar esta análise para outras RD. Além disso, também pretendemos usar NGP para produzir um escore de fenótipo facial para auxiliar durante a classificação de variantes. Os resultados obtidos por este projeto podem acelerar a odisseia diagnóstica dos pacientes com DR.