Document details

Copy number variations (CNVs) are critical to understand the genetic architecture of neurodevelopmental disorders such as autism spectrum disorder (ASD) and developmental delay (DD). This thesis advances a structured computational framework to transform heterogeneous SFARI Gene CNV data into analysis-ready resources, enabling systematic exploration of genotype-phenotype relationships. First, we developed a relational database (MySQL) and graph database (Neo4j) integrating harmonized CNV calls, participant metadata, and gene/GO term annotations. By resolving redundancies through regex-based normalization and genome build standardization (GRCh38/hg38), we mapped 68,811 patient-CNV associations across 28,717 individuals, providing a scalable platform for hypotheses generation in ASD genetics.Leveraging this infrastructure, we employed complex network analysis and machine learning to investigate neurotransmitter system disruptions. For dopaminergic mechanisms, network topology revealed distinct modularity patterns: ASD exhibited four dysregulated subsystems (receptor binding, synaptic physiology, neural differentiation), while DD showed a unitary pattern of biological disruption. A Random Forest classifier leveraging 117 dopaminergic genes achieved 85.18% accuracy (test set: n=790) in differentiating ASD from DD, matching neuroimaging-based classifiers. Strikingly, equivalent accuracy emerged using only 62 GO terms, suggesting genetic heterogeneity converges on shared biological pathways.Expanding this paradigm, we implemented graph-native machine learning on genetic similarity networks derived from CNV patterns. Node classification using network centrality and embedding features demonstrated that topological properties of dopaminergic systems encode diagnostically relevant information. Finally, serotonergic network analysis revealed six ASD-specific genetic clusters (five involving receptor mechanisms) versus two homogeneous DD clusters. Integrating serotonergic and dopaminergic features boosted classifier accuracy to 88.6%, underscoring the synergy of multi-system analyses.Collectively, this work establishes that structured data representation and network-driven approaches can disentangle the biological complexity of neurodevelopmental disorders. By demonstrating how divergent CNV profiles dysregulate convergent pathways, we provide a framework for mechanistic subtyping and diagnostic refinement. These resources (publicly available at https://doi.org/10.7910/DVN/HO1JLJ) bridge genetic variability and clinical heterogeneity, offering novel tools for precision psychiatry.

As variações no número de cópias (CNVs) são fundamentais para compreender a arquitetura genética de perturbações do desenvolvimento neurológico, tais como o transtorno do espectro do autismo (ASD) e o atraso do desenvolvimento (DD). Esta tese apresenta um quadro computacional estruturado para transformar dados heterogéneos de CNVs provenientes do SFARI Gene em recursos prontos para análise, permitindo uma exploração sistemática das relações genótipo-fenótipo.Primeiro, desenvolvemos uma base de dados relacional (MySQL) e uma base de dados de grafos (Neo4j) que integra chamadas de CNV harmonizadas, metadados dos participantes e anotações de genes/termos de GO. Ao resolver redundâncias através de normalização baseada em expressões regulares (regex) e padronização da versão do genoma (GRCh38/hg38), mapeámos 68.811 associações entre doentes e CNVs, espalhadas por 28.717 indivíduos, fornecendo assim uma plataforma escalável para a geração de hipóteses na genética do ASD.Aproveitando esta infraestrutura, utilizámos análise de redes complexas e aprendizagem automática para investigar perturbações nos sistemas de neurotransmissores. No que diz respeito aos mecanismos dopaminérgicos, a topologia das redes revelou padrões de modularidade distintos: enquanto o ASD apresentou quatro subsistemas desregulados (ligação ao recetor, fisiologia sináptica e diferenciação neuronal), o DD exibiu um padrão de perturbação biológica unitária. Classificadores Random Forest, sustentados em 117 genes dopaminérgicos, alcançaram uma precisão de 85,18% (conjunto de teste: n=790) na diferenciação entre ASD e DD, equiparando-se aos classificadores baseados em neuroimagem. De forma surpreendente, atingiu-se uma precisão equivalente utilizando apenas 62 termos de GO, sugerindo que a heterogeneidade genética converge para vias biológicas comuns.Expandindo este paradigma, implementámos aprendizagem automática nativa de grafos em redes de similaridade genética derivadas dos padrões de CNVs. A classificação de nós, recorrendo a medidas de centralidade da rede e características de embedding, demonstrou que as propriedades topológicas dos sistemas dopaminérgicos codificam informações relevantes para o diagnóstico. Por fim, a análise de redes serotonérgicas identificou seis clusters genéticos específicos do ASD (sendo cinco destes associados a mecanismos de recetor) em contraste com dois clusters homogéneos para o DD. A integração das características serotonérgicas e dopaminérgicas elevou a precisão do classificador para 88,6%, sublinhando a sinergia proporcionada pelas análises multidisciplinares.De forma global, este trabalho estabelece que a representação estruturada de dados e as abordagens orientadas por redes podem desvendar a complexidade biológica dos distúrbios do desenvolvimento neurológico. Ao demonstrar como perfis divergentes de CNVs desregulam vias convergentes, fornece-se um quadro para a subtipificação mecanicista e o refinamento diagnóstico. Estes recursos (disponíveis publicamente em https://doi.org/10.7910/DVN/HO1JLJ) fazem a ponte entre a variabilidade genética e a heterogeneidade clínica, oferecendo novas ferramentas para a psiquiatria de precisão.