IMPLEMENTAÇÃO DE ALGORITMOS DE SUPPORT VECTOR MACHINE PARA CORRELACIONAR REGISTROS ELETROFISIOLÓGICOS DE ORGANÓIDES CORTICAIS DERIVADOS DE CÉLULAS DE INDIVÍDUOS COM SÍNDROME DE RETT

INTRODUÇÃO: A Síndrome de Rett (RTT) é um distúrbio do neurodesenvolvimento severo, frequentemente causado por mutações no gene MeCP2, resultando em deficiências motoras, cognitivas e de comunicação. Este estudo tem como foco o uso de organoides cerebrais, derivados de células-tronco pluripotentes induzidas (iPSCs), como modelo para a investigação das alterações eletrofisiológicas associadas à RTT OBJETIVOS: O objetivo principal foi aplicar algoritmos de Support Vector Machine (SVM) para analisar dados de potenciais de campo local (LFPs) obtidos a partir desses organoides, com o intuito de identificar padrões específicos da RTT. MATERIAIS E MÉTODO: coleta de LFPs de organoides de indivíduos controle e com RTT, empregando matrizes multieletrodos (MEA) para a captura dos dados. Após a coleta, os sinais foram processados por meio da transformada wavelet, técnica utilizada para a redução de ruído e aprimoramento da qualidade dos dados. Em seguida, foram aplicados algoritmos SVM para a extração de características dos sinais e a subsequente classificação dos dados com base em padrões eletrofisiológicos. Os dados foram analisados utilizando o software MATLAB, o que permitiu uma avaliação detalhada dos padrões elétricos observados. RESULTADOS: Os resultados indicaram que os organoides com a mutação no gene MeCP2 apresentaram padrões de atividade elétrica distintos, com trens de spikes organizados e sincrônicos, que são comparáveis aos padrões observados em cérebros neonatais. Esses achados sugerem que as alterações eletrofisiológicas observadas nos organoides de RTT refletem características fundamentais da síndrome CONSIDERAÇÕES FINAIS: a análise dos LFPs por meio de algoritmos SVM representa uma ferramenta promissora para a identificação e caracterização de padrões eletrofisiológicos associados à RTT e a outras condições neurológicas. Essa abordagem oferece uma nova perspectiva para o estudo de transtornos do neurodesenvolvimento e pode fornecer insights valiosos para o desenvolvimento de terapias e intervenções clínicas eficazes.

PALAVRAS-CHAVE: 1. Síndrome de Rett; 2. Organoides cerebrais; 3. Potenciais de campo local (LFPs); 4. Support Vector Machine (SVM); 5 Células-tronco pluripotentes induzidas (iPSCs).