Classificação da expressão de MicroRNA para identificação de esclerose múltipla pediátrica

Resumo MicroRNAs (miRNAs) são um conjunto de RNAs não codificantes curtos que desempenham papéis regulatórios significativos nas células. O estudo de dados de miRNA produzidos por técnicas de Sequenciamento de Nova Geração pode ser de ajuda válida para a análise de doenças multifatoriais, como a Esclerose Múltipla (EM). Embora extensos estudos tenham sido realizados em jovens adultos afetados pela EM, muito pouco trabalho foi feito para investigar os mecanismos patogênicos em pacientes pediátricos, e nenhum da perspectiva de aprendizado de máquina. Neste trabalho, relatamos os resultados experimentais de um estudo de classificação com o objetivo de avaliar a eficácia dos métodos de aprendizado de máquina em distinguir automaticamente a EM pediátrica de crianças saudáveis, com base em seus perfis de expressão de miRNA. Além disso, uma vez que o Transtorno do Déficit de Atenção com Hiperatividade (TDAH) compartilha algumas deficiências cognitivas com a EM pediátrica, também incluímos pacientes afetados por TDAH em nosso estudo. Resultados encorajadores foram obtidos com um modelo de rede neural artificial baseado em um conjunto de características selecionadas automaticamente por algoritmos de seleção de características. Os resultados obtidos mostram que modelos desenvolvidos em características selecionadas automaticamente superam modelos baseados em um conjunto de características selecionadas por especialistas humanos. O desenvolvimento de um modelo preditivo automático pode apoiar os clínicos no diagnóstico precoce da EM e fornecer novos insights que podem ajudar a encontrar novas vias moleculares envolvidas na doença EM.