DESENVOLVIMENTO DE UM ALGORITMO PARA ANÁLISE, INTERPRETAÇÃO E CLASSIFICAÇÃO DE DADOS DE ELETROFISIOLOGIA DE ORGANÓIDES CORTICAIS DE SÍNDROME DE RETT

Introduction: A Síndrome de Rett (RTT) é um distúrbio do neurodesenvolvimento severo,frequentemente causado por mutações no gene MeCP2, resultando em deficiênciasmotoras, cognitivas e de comunicação. Este estudo tem como foco o uso de organoidescerebrais, derivados de células-tronco pluripotentes induzidas (iPSCs), como modelo paraa investigação das alterações eletrofisiológicas associadas à RTT. Aims: O objetivoprincipal foi aplicar algoritmos de Support Vector Machine (SVM) para analisar dados depotenciais de campo local (LFPs) obtidos a partir desses organoides, com o intuito deidentificar padrões específicos da RTT. Materials and methods: coleta de LFPs de organoidesde indivíduos controle e com RTT, empregando matrizes multieletrodos (MEA) para acaptura dos dados. Após a coleta, os sinais foram processados por meio da transformadawavelet, 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 sinaise a subsequente classificação dos dados com base em padrões eletrofisiológicos. Os dadosforam analisados utilizando o software MATLAB, o que permitiu uma avaliação detalhadados padrões elétricos observados. Results: O algoritmo desenvolvido processou dados de eletrofisiologia obtidos por MEA (microelectrode array) de organoides corticais derivados de pacientes com Síndrome de Rett e controles. Foram implementadas rotinas para filtragem de ruído, detecção automática de spikes e extração de métricas como taxa de disparo, sincronização e padrão de bursts. O sistema identificou diferenças consistentes entre organoides RTT e controles, com os primeiros apresentando menor frequência média de disparos e bursts menos organizados. A análise de sincronização mostrou redução na coatividade entre canais nos organoides RTT. A etapa de classificação, baseada em aprendizado de máquina, obteve acurácia elevada na distinção entre os dois grupos. O algoritmo também gerou representações gráficas automáticas das redes neuronais e distribuições temporais de atividade. Os resultados confirmam a viabilidade da ferramenta para análise padronizada de dados de MEA. As métricas obtidas são compatíveis com alterações funcionais já descritas para a Síndrome de Rett. Final considerations: A análise dos LFPs por meio de algoritmos SVM representa uma ferramentapromissora para a identificação e caracterização de padrões eletrofisiológicos associadosà RTT e a outras condições neurológicas. Essa abordagem oferece uma nova perspectivapara o estudo de transtornos do neurodesenvolvimento e pode fornecer insights valiosospara o desenvolvimento de terapias e intervenções clínicas eficazes.

Keywords: Síndrome de Rett; Organoides cerebrais; Potenciais de campo local (LFPs); Support Vector Machine (SVM); Células-tronco pluripotentes induzidas (iPSCs).