Descobrir quais genes impulsionam um câncer é um trabalho lento. O sequenciamento encontra milhares de mutações, a maioria sem papel relevante, e os sinais que importam costumam estar espalhados por redes de proteínas que interagem. Um artigo publicado em 16 de novembro na Nature Machine Intelligence descreve o CGMap, um modelo que classifica genes candidatos ao câncer e, algo raro, mostra o raciocínio por trás de cada escolha.
A equipe, que inclui pesquisadores como Chenhao Wang e Min Li, parte de redes biológicas como mapas de interação entre proteínas. A maioria das redes neurais de grafos reúne informação empilhando camadas, de modo que cada camada olha um passo mais longe; depois de alguns passos, os sinais de genes diferentes se misturam. O CGMap, em vez disso, lê várias distâncias em canais paralelos, o que os autores chamam de projeto orientado à largura, e mantém cada distância separada. Um segundo módulo modela como os genes cooperam ao longo de vias conhecidas e gera ligações rastreáveis entre genes, para que uma previsão possa ser seguida até um possível mecanismo de regulação.
Em várias redes e muitos tipos de câncer, o modelo pontuou 12.022 genes, superou os métodos existentes e continuou eficiente em computação, segundo o artigo. Ele priorizou 70 candidatos, alguns ausentes de bancos de dados estabelecidos de genes do câncer. Depois os autores testaram candidatos em laboratório: silenciá-los com RNA de interferência pequeno reduziu o crescimento, a migração e a invasão de células cancerosas e levou marcadores da transição epitélio-mesenquimal, etapa ligada à disseminação, para um estado menos invasivo. Experimentos de controle em linhagens não cancerosas estão nos dados estendidos.
Isso se apoia numa linha de trabalhos com grafos, incluindo um modelo anterior da Nature Machine Intelligence, de 2021, que combinava dados multiômicos com redes convolucionais de grafos, e sistemas explicáveis mais recentes como o CGMega. O que o CGMap acrescenta é juntar a leitura de longo alcance com uma explicação embutida, e não uma explicação acrescentada depois.
O porém é o de sempre nesse tipo de estudo. A validação em laboratório foi feita em linhagens celulares, não em animais nem em pacientes, então os 70 genes são pistas para trabalhos futuros. Os ganhos nos benchmarks dependem de como os genes do câncer "conhecidos" são rotulados, e esses bancos são incompletos por definição. O artigo é revisado por pares, e o código e os dados são públicos no Zenodo, o que facilita a verificação independente.