Desenvolvimento de Modelo de Redes Bayesianas para Cálculo de Testes de Paternidade com Dissomia Uniparental em Python

Os métodos comumente empregados em testes de paternidade são baseados na premissa de que a maior parte das incompatibilidades observadas entre a criança e seus genitores possui uma origem paterna. Além disso, certas inconsistências entre perfis são tratadas como o resultado de eventos mutacionais, e esse pressuposto é utilizado na etapa da avaliação estatística dos resultados. Dados recentes de genotipagem de alta densidade sugerem que a Dissomia Uniparental (DUP) possui uma frequência de ocorrência mais alta do que anteriormente considerado. Dessa forma, os cálculos envolvendo paternidades que incluam a probabilidade de DUP podem trazer benefícios na avaliação do peso da evidência genética, especialmente em casos onde os possíveis eventos mutacionais são incompatíveis com o modelo stepwise de mutação dos STRs. Este trabalho propõe um arcabouço estatístico baseado em Redes Bayesianas que considera a possibilidade de observação de padrões de herança mendeliana anômalos, incluindo mutações e UPD. Para tanto, uma rede bayesiana foi desenvolvida utilizando o software GeNIe Academic, e para sua implementação, uma ferramenta computacional foi programada em python utilizando o pacote pmgpy. Dados genéticos de casos de trios de paternidade reais e simulados foram usados para testar o modelo e avaliar sua capacidade de identificar e distinguir eventos de mutação ou DUP nas transmissões genéticas. O método proposto é capaz de fornecer os valores de LR para as hipóteses de paternidade, incluindo o tratamento estatístico das anomalias na herança mendeliana. Particularmente em casos envolvendo DUP, marcadores STR localizados em um único cromossomo devem ser contabilizados como um único valor para a formação do Índice de Paternidade Combinado (IPC), evitando erros nas estimativas das probabilidades de paternidade. Além disso, a rede fornece LRs que permitem quantificar a probabilidade de que a anomalia observada seja resultado de uma mutação ou uma DUP, baseados nas frequências populacionais e nos dados genéticos específicos do caso. Os três possíveis tipos de DUP são inclusos no modelo, com probabilidades para cada um deles estimadas de acordo com a evidência. A ferramenta computacional é capaz de processar grandes bases de dados, permitindo escalabilidade nos processos de alimentação dos dados e avaliação dos resultados.