Bilddrivna kunskapsdiagram avslöjar nya mål för behandling av hjärtsjukdomar

Transparenz: Redaktionell erstellt und geprüft.
Veröffentlicht am

Kunskapsgrafer är ett kraftfullt verktyg för att samla information från biologiska databaser och koppla ihop redan känd kunskap om gener, sjukdomar, behandlingar, molekylära vägar och symtom i ett strukturerat nätverk. Hittills har det saknats detaljerad, individuell information om hur det drabbade organet faktiskt ser ut och fungerar. Den senaste forskningen ledd av postdoktorn Dr. Khaled Rjoob och...

Bilddrivna kunskapsdiagram avslöjar nya mål för behandling av hjärtsjukdomar

Kunskapsgrafer är ett kraftfullt verktyg för att samla information från biologiska databaser och koppla ihop redan känd kunskap om gener, sjukdomar, behandlingar, molekylära vägar och symtom i ett strukturerat nätverk. Hittills har det saknats detaljerad, individuell information om hur det drabbade organet faktiskt ser ut och fungerar.

Den senaste forskningen ledd av postdoktorn Dr Khaled Rjoob och gruppledare professor Declan O’Regan från Computational Cardiac Imaging Group vid MRC Laboratory of Medical Sciences har vidareutvecklat denna teknik genom att lägga till bilddata till en kunskapsgraf för första gången. CardioKG ger en detaljerad översikt över hjärtats struktur och funktion, vilket avsevärt förbättrar noggrannheten i att förutsäga vilka gener som är kopplade till sjukdomar och om befintliga läkemedel skulle kunna behandla dem.

Fånga hjärtvariation

För att utveckla CardioKG använde teamet hjärtavbildningsdata från 4 280 brittiska biobanksdeltagare med förmaksflimmer, hjärtsvikt eller hjärtinfarkt, samt 5 304 friska deltagare, och fångade variationer i hjärtats struktur och funktion. Totalt genererades över 200 000 bildbaserade funktioner och användes för att träna modellen. Teamet integrerade detta med data från 18 olika biologiska databaser och använde artificiell intelligens (AI) för att förutsäga kopplingar mellan gener och sjukdomar, såväl som möjligheter för läkemedelsåtervinning.

En av fördelarna med kunskapsgrafer är att de integrerar information om gener, läkemedel och sjukdomar. Detta innebär att du har fler möjligheter att göra upptäckter om nya terapier. Vi fann att inkorporering av hjärtavbildning i grafen förändrade hur nya gener och läkemedel kunde identifieras."

Professor Declan O'Regan, Computational Cardiac Imaging Group, MRC Laboratory of Medical Sciences

Förutsäga nya drogmöjligheter

Modellen identifierade en lista över nya sjukdomsassocierade gener och förutspådde två läkemedel för att behandla hjärtsjukdomar; Metotrexat, ett läkemedel mot reumatoid artrit, kan förbättra hjärtsvikt, och gliptiner, som används för att behandla diabetes, kan vara till hjälp för förmaksflimmer. Teamet gjorde också en överraskande upptäckt att koffein, som gör hjärtat mer excitabelt, har en skyddande effekt hos patienter med förmaksflimmer, som har en oregelbunden och snabb puls.

"Det spännande är att det finns andra nya studier inom detta område som stödjer våra preliminära resultat", säger Declan. "Detta belyser den enorma potentialen hos kunskapsdiagram för att avslöja befintliga läkemedel som kan användas som nya behandlingar."

Utvidga tekniken till andra organ

CardioKG erbjuder proof-of-concept-teknik som kan gå långt bortom hjärtat. Forskare kan nu utveckla kunskapsdiagram som integrerar bilddata varhelst organavbildning finns, vilket innebär att samma tillvägagångssätt kan tillämpas på hjärnskanningar, på kroppsfettavbildning eller på andra organ och vävnader för att utforska nya terapeutiska möjligheter inom områden som demens eller fetma.

Förmågan hos dessa kunskapsdiagram att generera korrekta och snabba listor över högprioriterade gener över en rad sjukdomar skulle ge läkemedelsföretagen en värdefull utgångspunkt, som lyfter fram biologiska mål som de kan utforska, validera och potentiellt utveckla till nya terapier mycket mer effektivt än traditionella upptäcktsmetoder.

"Med utgångspunkt från detta arbete kommer vi att utöka kunskapsdiagrammet till ett dynamiskt, patientcentrerat ramverk som fångar verklig sjukdomsutveckling", säger Khaled. "Detta kommer att öppna upp nya möjligheter för personlig behandling och förutsäga när sjukdom sannolikt kommer att inträffa."

Denna studie stöddes av Medical Research Council, British Heart Foundation, Bayer AG och Imperial College Biomedical Research Center vid National Institute for Health and Care Research (NIHR).

Utöver sin roll vid LMS är Declan professor i kardiovaskulär AI vid British Heart Foundation och klinisk ämnesledare för British Heart Foundation Center of Research Excellence vid Imperial's National Heart and Lung Institute.


Källor:

Journal reference:

Rjoob, K.,et al.(2025). En multimodal synkunskapsgraf över hjärt-kärlsjukdomar. Natur Kardiovaskulär forskning. doi: 10.1038/s44161-025-00757-4.  https://www.nature.com/articles/s44161-025-00757-4